Modellierung von memristivem Lernverhalten und mnemonic similarity tasks (MST)

• Antragsteller: Professor Dr. Thorsten Bartsch; Professor Dr. Christian Kaernbach; Professor Dr. Martin Ziegler
• Fachliche Zuordnung: Kognitive, systemische und Verhaltensneurobiologie ; Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik ; Kognitive und systemische Humanneurowissenschaften
• Förderung: Förderung von 2014 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 239767484

Ziel der ersten Förderperiode war es, zelluläre Formen und Netzwerkabhängige Mechanismen hippocampalen Lernens innerhalb memristiver Schaltungsmodelle zu modellieren. Übergeordnetes Ziel der zweiten Förderperiode ist eine konzeptionelle und methodische Erweiterung des memristiven Schaltungsmodells der erstenFörderperiode. Dies soll eine direkte Anbindung an biologische Daten ermöglichen. Die methodische Erweiterung zielt ab auf (i) die Translation von Daten aus neu entwickelten humanen Verhaltensmodellen hippocampaler Funktion auf das entwickelte memristive hippocampale Schaltungsmodell, (ii) Untersuchungen der dynamischen Netzwerkinteraktionen und (iii) die Übertragung dieser Modelle auf eine reale Schaltung. Die konzeptuelle Erweiterung zielt ab auf (i) die Charakterisierung relevanter funktioneller Zustände des Modells (globale Veränderungen des Netzwerkzustandes und Netzwerkperturbationen), (ii) Einführung und Weiterentwicklung von Kernfunktionen des Hippocampus (räumliche Mustertrennung), inklusive (iii) der konzeptionellen Erweiterung hin zu kognitiven Aufgaben. Die Integration von neuroplastischen Eigenschaften in dieNetzwerkmodellierung dient dabei der Abbildung relevanter neurobiologischer Prinzipien. Der parallele und translationaler Ansatz der Modellierung relevanter biologischer Mechanismen mit memristiven Netzwerken verfolgt das übergeordnete ZielNeurobiologie und kognitive Elektronik zu verknüpfen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2093: Memristive Bauelemente für neuronale Systeme