TUM – Technische Universität München Menü

Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Macke (*1982) untersucht, welche Berechnungen neuronale Netze durchführen, um sensorische Informationen zu verarbeiten und intelligentes Verhalten zu steuern. Damit will er sowohl zu einem besseren Verständnis der Prinzipien neuronaler Signalverbareitung im Gehirn beitragen, als auch zur Entwicklung leistungsstarker künstlicher neuronaler Systeme. Er entwickelt Methoden des Maschinellen Lernens, um hoch-dimensionale Daten zu analysieren, und arbeitet eng mit Arbeitsgruppen in den Neuro- und Verhaltenswissenschaften zusammen.

Nach dem Studium der Mathematik an der Universität Oxford arbeitete er als Doktorand am MPI für Biologische Kybernetik in Tübingen, als Postdoc an der Gatsby Unit des University College London und als Bernstein-Fellow am MPI in Tübingen. Seit 2015 war er Max-Planck Gruppenleiter am Forschungszentrum Caesar in Bonn, und ab Oktober 2017 Professor am Centre for Cognitive Science der TU Darmstadt. Seit Mai 2018 ist er Assistant Professor für Computational Neuroengineering an der TUM.

    Wichtigste Auszeichnungen

    • Scholar des FENS-Kavli Network of Excellence (2018)
    • Mitglied der Jungen Akademie an der Berlin-Brandenburgischen Akademie der Wissenschaften und der Deutschen Akademie der Naturforscher Leopoldina (2013)
    • Otto Hahn Medaille der Max Planck Gesellschaft (2012)
    • Gibbs Prize (Proxime Accessit) der Universität Oxford (2005)

    Schlüsselpublikationen

    Lueckmann JM, Goncalves P, Bassetto G, Oecal K, Nonnenmacher M, Macke JH: "Flexible statistical inference for mechanistic models of neural dynamics". Advances in Neural Information Processing Systems 30: 31st Conference on Neural Information Processing Systems. Montreal, Canada. 03.12.2017.

    Abstract

    Speiser A, Ye J, Archer E, Turaga S, Macke JH: "Fast amortized inference of neural activity from calcium imaging data with variational autoencoders". Advances in Neural Information Processing Systems 30: 31st Conference on Neural Information Processing Systems. Montreal, Canada. 03.12.2017.

    Abstract

    Haefner R, Gerwinn S, Macke JH, Bethge M: "Inferring decoding strategies from choice probabilities in the presence of correlated variability". Nature Neuroscience. 2013; 16(2): 235–242.

    Abstract

    Macke JH, Büsing L, Cunningham JP, Yu BM, Shenoy KV, Sahani M: "Empirical models of spiking in neural populations". Advances in Neural Information Processing Systems 24 (NIPS). Red Hook, NY, USA. 2011: 1350-1358.

    Abstract

    Macke JH, Opper M, Bethge M: "Common input explains higher-order correlations and entropy in a simple model of neural population activity". Physical Review Letters. 2011; 106(20): 208102.

    Abstract