conductanzbasierten

Conductanzbasierte Modelle beschreiben neuronale und synaptische Dynamiken durch zeit- und spannungsabhängige Leitfähigkeiten statt durch fest vorgegebene Stromquellen. In diesen Modellen wird der Membranstrom meist als Summe von Ionenströmen dargestellt, wobei jeder Strom als I = g(V, t) · (V − E) formuliert wird. Die Leitfähigkeit g kann von Spannungen, der Zeit oder dem Zustand vonProtein-Gating-Variablen abhängen.

Typische neuronale Ströme verwenden Hodgkin-Huxley-typische Formeln: I_Na = g_Na · m^3·h · (V − E_Na), I_K = g_K · n^4 · (V − E_K) und I_L = g_L · (V − E_L). Die Gating-Variablen m, h, n folgen gekoppelten Differentialgleichungen, die die Aktivierung und Inaktivierung der Ionenkanäle beschreiben. Synaptische Ströme werden oft als I_syn = g_exc(t) · (V − E_exc) + g_inh(t) · (V − E_inh) modelliert, wobei die zeitliche Entwicklung der Leitfähigkeiten durch synaptische Eingänge gesteuert wird.

Im Gegensatz zu rein strombasierten Modellen, bei denen oft feste oder unabhängige Eingangsströme angenommen werden, berücksichtigen leitfähige Modelle die Abhängigkeit des Driving Forces vom Membranpotential und damit dynamische Rückkopplungen. Dadurch können sie wichtige nichtlineare Effekte der Membran, der Kanalphysiologie und der synaptischen Übertragung realistisch abbilden.

Anwendungsgebiete umfassen biophysikalische neuronale Modelle, Netzwerk-Simulationen und neuromorphe Ansätze. Die Methode ist historisch eng mit dem Hodgkin–Huxley-Modell verbunden und bleibt eine zentrale Grundlage in der computational neuroscience. Herausforderungen sind der hohe Parameterbedarf, die Identifikation geeigneter Werte und der erhöhte Rechenaufwand.