Selbstorganisierte Netzwerke: Kontrolle komplexer nichtlinearer Dynamik

• Antragsteller: Professor Dr.-Ing. Thomas Meurer; Professor Dr. Martin Ziegler
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 567385006

In unserem Nervensystem werden pro Sekunde Milliarden von Sinneseindrücken verarbeitet, die es uns ermöglichen, uns an ständig ändernde Umweltbedingungen anzupassen. Hieraus motiviert ist das Ziel dieses Projektvorhabens einen neuromorphen Regler zu entwickeln, der eine effiziente Verarbeitung von Sinneseindrücken ermöglicht, sein Verhalten an sich ändernde Umweltbedingungen anpasst und das Verhalten komplexer dynamischer Systeme vorhersagt, um deren konzeptionell modellfreie Regelung zu erreichen. Hierzu sollen systemtheoretische Ansätze zur Regelung komplexer dynamischer Systeme mit memristiven neuromorphen Architekturen, die eine effiziente Umsetzung neuronaler Funktionalitäten in echtzeitfähiger und energieeffizienter Hardware erlauben, kombiniert werden. Damit wollen wir eine Brücke schlagen zwischen den Paradigmen der strukturell-dynamischen Zusammenhänge in biologischen Systemen und jener in memristiven neuromorphen Systemen. Um der Komplexität des Problems gerecht zu werden und gleichzeitig einen Vergleich mit bestehenden Ansätzen des maschinellen Lernens zu ermöglichen, betrachten wir das Konzept des Reservoir Computing. Dabei werden Mechanismen zur Selbstorganisation der Konnektivität zwischen Neuronen in der Reservoir- und/oder Output-Schicht untersucht und auf die speziellen Eigenschaften memristiver Bauelemente zugeschnitten. Hierbei kombinieren wir Techniken zur Regelung nichtlinearer Systeme mit Reservoir-Computing-Architekturen, die die Speicher- und dynamischen Eigenschaften memristiver Bauelemente funktionell nutzen, um das dynamische Verhalten quasi-chaotischer Systeme vorherzusagen. Wir werden die Leistungsfähigkeit des entwickelten memristiven neuromorphen Controllers in verschiedenen Steuerungsaufgaben evaluieren, beispielsweise zur Stabilisierung eines MEMS-basierten Duffing-Oszillators an instabilen Fixpunkten oder in einem gewünschten Zustand, bei der Spracherkennung sowie bei der Lokalisierung von Schallquellen unter wechselnden Umgebungsbedingungen und dem Einfluss von Hintergrundgeräuschen.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich(e): Dr. Kristina Nikiruy