Prof. Dr. Richard Kempter

Prof. Dr. Richard Kempter forscht auf dem Gebiet der theoretischen und kognitiven Neurowissenschaften mit Schwerpunkt auf der mathematischen Modellierung neuronaler Schaltkreise. Seine Arbeit umfasst die Simulation von Gedächtniskonsolidierungsprozessen, insbesondere im Hippocampus, sowie die Analyse auditorischer Verarbeitungssysteme. Zudem entwickelt er KI-gestützte Modelle für klinische Anwendungen, wie die Bewertung von Lebertransplantaten und Lebertumoren. Die Forschung verbindet nichtlineare Dynamik, stochastische Prozesse und numerische Simulationen mit elektrophysiologischen Daten.

🔒 Das System hat 1.107 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• Centre for Computational Neuroscience Berlin - Teilprojekt B 5: Neural rhythms, synaptic plasticity, and network stability

  Quelle ↗

  Förderer: Bundesministerium für Forschung, Technologie und Raumfahrt Zeitraum: 09/2004 - 08/2010 Projektleitung: Prof. Dr. Richard Kempter

• NW: Plastizität und Stabilität in rückgekoppelten Systemen spikender Neurone (II)

  Quelle ↗

  Förderer: DFG Nachwuchsgruppe Zeitraum: 01/2005 - 03/2007 Projektleitung: Prof. Dr. Richard Kempter

• Mikrosekunden-Präzision im Hörsystem von Vögeln; Analyse und Simulation des Neurophonpotentials

  Quelle ↗

  Förderer: Bundesministerium für Forschung, Technologie und Raumfahrt Zeitraum: 04/2007 - 02/2010 Projektleitung: Prof. Dr. Richard Kempter

• A neuronal learning rule for sub-millisecond temporal coding

  1996

  Nature · DOI

• Cross-Frequency Phase–Phase Coupling between Theta and Gamma Oscillations in the Hippocampus

  2012

  Journal of Neuroscience · DOI

  Neuronal oscillations allow for temporal segmentation of neuronal spikes. Interdependent oscillators can integrate multiple layers of information. We examined phase-phase coupling of theta and gamma oscillators in the CA1 region of rat hippocampus during maze exploration and rapid eye movement sleep. Hippocampal theta waves were asymmetric, and estimation of the spatial position of the animal was improved by identifying the waveform-based phase of spiking, compared to traditional methods used for phase estimation. Using the waveform-based theta phase, three distinct gamma bands were identified: slow gamma(S) (gamma(S); 30-50 Hz), midfrequency gamma(M) (gamma(M); 50-90 Hz), and fast gamma(F) (gamma(F); 90-150 Hz or epsilon band). The amplitude of each sub-band was modulated by the theta phase. In addition, we found reliable phase-phase coupling between theta and both gamma(S) and gamma(M) but not gamma(F) oscillators. We suggest that cross-frequency phase coupling can support multiple time-scale control of neuronal spikes within and across structures.

• Hebbian learning and spiking neurons

  1999