Forschungsprojekte
Laufende Forschungsprojekte
Biologisch inspiriertes Rechnen mit Speicherelementen auf Crossbar Strukturen
- Zeitraum: seit 2021
- Förderer: Deutsche Forschungsgemeinschaft (DFG) innerhalb vom Schwerpunktprogramm SPP2262
Ein Crossbar-Array, das eine Matrix-Vektor-Multiplikation (MVM) basierend auf dem Ohm’schen Gesetz realisiert, stellt den zentralen Baustein nicht-konventioneller Computing-in-Memory (CIM)-Architekturen dar, wie beispielsweise bei künstlichen neuronalen Netzwerken (ANNs). Da in solchen Strukturen eine MVM analog durchgeführt wird, ist der Einsatz nichtflüchtiger Memristoren bedeutsam, deren memkapazitive Eigenschaften auch zur Informationsverarbeitung herangezogen werden können.
In diesem Projekt soll eine gemeinsame Nutzung der für CIM-Architekturen attraktiven memristiven und memkapazitiven Effekte erfolgen. Dabei stehen Al2O3 / Nb2O3 basierte, aus zwei Schichten aufgebaute Strukturen im Vordergrund der Untersuchungen, die kürzlich bei der NaMLab gGmbH entwickelt wurden und in Verbindung mit NFET-Transistoren eingesetzt werden können, die beim Institut für Halbleiter- und Mikrosystemtechnik der TU Dresden implementiert wurden. Basierend auf derartigen Bauelementen soll in diesem Forschungsvorhaben eine komplette Entwurfsmethodik für die Implementierung nicht-konventioneller Rechnersysteme auf einer memristiven/memkapazitiven Struktur entwickelt werden. Dabei soll eine hybride Memristor/Memcapacitor-CMOS-Architektur zugrunde gelegt werden, die hauptsächlich aus MVM-Kernen aufgebaut ist.
In Hinblick auf diese Zielstellung sollen die vorgeschlagenen Forschungsarbeiten mehrere wesentliche Aspekte umfassen: (i) Herstellung von CIM-Zellen, die memristive/memkapazitive Bauelemente mit NFETs integrieren, (ii) deren Modellierung anhand von Experimenten verbunden mit einer theoretischen Erfassung von Bauelementeigenschaften, (iii) der Modellierung auf Systemebene, einer sorgfältigen Analyse, sowie dem Design und Simulation der MVM-Kern-basierten ANNs, (iv) der Herleitung von Optimierungsalgorithmen unter Berücksichtigung realisierungsbedingter Eigenschaften implementierter Strukturen, (v) den Aufbau effizienter Befehlssätze und den Entwurf von Peripherieschaltungen und schließlich (vi) eine optimierte Abbildung von Memcomputing-Aufgaben auf ANN-Strukturen.
Mit dieser Vorgehensweise soll eine Anwendbarkeit des vorgeschlagenen Konzepts zur Realisierung unkonventioneller Strukturen, dazu zählen multi-layer perceptrons (MLP), convolutional neural networks (CoNN) und recurrent neural networks (ReNN), erfasst werden- Schließlich soll in diesem Forschungsvorhaben noch eine mögliche schaltungstechnische Realisierung von Quadratic-Integrate-and-Fire (QIF) Neuronenmodellen untersucht werden, mit dem Ziel, die Reichhaltigkeit biomimetischer Phänomene aufzuzeigen, die eine derartige Anordnung vernetzter künstlicher Strukturen generieren kann.
DFG Schwerpunktprogramm 2262:
Memristive Bauelemente für intelligente technische Systeme
- Zeitraum: seit 2020
- Förderer: Deutsche Forschungsgemeinschaft (DFG) als Schwerpunktprogramm SPP2262
Memristoren sind speicher- und rechenfähige nanoelektrische Bauelemente. Ihre spezifischen Eigenschaften ermöglichen es, dass deutlich mehr Speicher als bisher auf engsten Raum integrierbar ist und neuartige, biologisch inspirierte Netzwerke zur Informationsverarbeitung geschaffen werden können. Dadurch entstehen elektronische Schaltkreise, deren Leistungsfähigkeit erheblich größer ist als die konventioneller Halbleiterlösungen.
Die Aufgabe von MemrisTec ist es, Forscher aus unterschiedlichen Disziplinen zusammenzubringen, um die wissenschaftlichen Grundlagen des Memristors zu ergründen und eine industrielle Anwendung zu ermöglichen. Hierfür werden Experten in den theoretischen Grundlagen mit denen für die Herstellung von memristiven Bauelementen sowie Forscher weiterer Disziplinen zusammengebracht. Im Rahmen des Schwerpunktprogramms werden insbesondere Projekte gefördert, bei denen eine Verbindung zwischen theoretischer und experimenteller Forschung im Fokus steht.
Augmented Reality and Artificial Intelligence supported
Laparoscopic Imagery in Surgery
- Zeitraum: 01.01.2020 bis 31.12.2022
- Förderer: Freistaat Sachsen
Durch eine innovative computerunterstützte Chirurgie mittels erweiterter Realität (AR) und Künstlicher Intelligenz (AI) sollen die Chirurgen bei der Entscheidungsfindung unterstützt, die Wahrscheinlichkeit für Komplikationen bei Eingriffen reduziert, der Nachsorgeaufwand verringert und damit insgesamt die Patientensicherheit erhöht werden. Der medizinische Bedarf verbindet damit ideal den Anwendungs- und Kompetenzbereich des Medical IoT Moduls im Smart Systems Hub.
Intelligente Echtzeit-Bildgebung für die NeurochirurgieIntelligente Echtzeit-Bildgebung für die Neurochirurgie
- Zeitraum: 01.02.2020 bis 30.06.2022
- Förderer: Freistaat Sachsen
In der Neurochirurgie erfordern Operationen am offenen Gehirn eine umfangreiche präoperative Diagnostik mit bildgebenden Verfahren, wie Computertomographie (CT) und Magnetresonanztomographie (MRT). Durch Lageänderungen des Gehirns während der operativen Eingriffe (Brainshift) ist die Genauigkeit von Neuronavigationssystemen anhand der präoperativ gewonnenen Daten jedoch begrenzt, was die Gefahr von postoperativen Ausfallerscheinungen für den Patienten vergrößert.
Das Ziel des Forschungsvorhabens ist die Entwicklung, Verbesserung und Evaluation eines intelligenten Systems für die hochauflösende, funktionelle Visualisierung der Hirnrinde bei neurochirurgischen Eingriffen. Die eingesetzten Methoden wurden in ersten Pilotstudien erprobt und mehrfach erfolgreich im klinischen Umfeld angewendet. Das geplante Projekt soll die bisher erfolgreichen Untersuchungen mit einer umfangreichen Evaluation und Optimierung des Systems abschließen. Durch die innovative intraoperative Bildgebung sollen die Chirurgen bei der Orientierung und Entscheidungsfindung unterstützt, die Wahrscheinlichkeit für Komplikationen bei Eingriffen reduziert, der Nachsorgeaufwand verringert und damit insgesamt die Patientensicherheit erhöht werden.
Hardwarerealisierung von universellen speicherbasierten memristiven zellularen Rechnerstrukturen
- Zeitraum: seit 2021
- Förderer: Deutsche Forschungsgemeinschaft (DFG) als Schwerpunktprogramm SPP2262
In der heutigen von-Neumann-Rechnerarchitektur ist das zentrale Rechenwerk physikalisch von dem Arbeitsspeicher getrennt und die Kommunikation zwischen beiden Komponenten läuft über einen Datenbus finiter Bandbreite. Dieser sogenannte von-Neumann-Flaschenhals stellt einen limitierenden Faktor für neuartige Anwendungen da, die auf der Verarbeitung großer Datenmengen beruhen. Insbesondere im Zeitalter des Internet der Dinge und von „Big Data“ Anwendungen ist ein hoher Datentransfer erwünscht. Daher ist die Forschungsgemeinschaft auf der Suche nach neuartigen Rechnerkonzepten, in denen Rechenwerk und Speicher zusammengebracht werden.
Zelluläre nichtlinear Netzwerke (CNN) stellen ein solches Rechnerkonzept dar. Ein einzelne CNN Zelle besteht aus einer Kapazität, einem Widerstand, und einer variablen Anzahl spannungsgesteuerter Stromquellen. Die CNN Zellen sind in einer zwei- oder dreidimensionalen Matrix angeordnet, in der nur benachbarte Zellen miteinander verkoppelt sind. Durch die Art/Stärke der Verkopplung (bzw. Selbstkopplung) können eine Vielzahl unterschiedlicher Rechenaufgaben gelöst werden. 1993 hat T. Roska vorschlagen zu diesen CNN lokale Speicherelemente hinzufügen um eine Universelle Maschine (UM) zu bauen. Dieses Konzept stellt den ersten Rechner dar, der kein von-Neumann-Rechner ist.
Durch die Kombination von CNN Zellen und Fotodetektoren konnten hocheffiziente visuelle Mikroprozessoren in der Vergangenheit realisiert werden. Die lokalen Speichereinheiten in diesen CNN Zellen sind heutzutage jedoch sehr groß, wodurch die laterale Auflösung der visuellen Mikroprozessoren relative gering ist. Zur Lösung dieses Problems werden daher hochskalierbare, nichtflüchtige Speicherbauelemente benötigt. Memristive Speicherbauelemente basierend auf Redox-Mechanismen zeigen solche Eigenschaften und sind daher der ideale Kandidat um die Leistungsbeschränkung von heutigen CNN-UM aufzulösen. Bisher wurden memristive CNN-UM nur theoretisch bzw. auf Simulationsebene analysiert, nicht aber experimentell verifiziert.
In dem vorgeschlagenen Projekt Mem²CNN soll die Umsetzbarkeit von memristiven CNN-UM (MCNN-UM) untersucht werden. Dazu werden die Kompetenzen des Partners aus Dresden (TUD) im Bereich der Theorie von Memristoren und MCNN-UM und der Expertise des Partners aus Jülich (FZJ) im Bereich der Herstellung und der physikalischen Modellierung memristiver Bauelemente gebündelt. Die physikalischen Modelle memristiver Bauelemente des FZJ werden in dem Projekt in einen systemtheoretischen Ansatz überführt, um die MCNN-UM auf Systemebene zu analysieren. Weiterhin sollen einzelnen MCNN Zellen sowie kleine Netzwerke bestehend aus bis zu 6×6 Zellen hardwaretechnisch realisiert werden. Mit diesen MCNN-UM sollen verschiedene Rechenaufgabe wie zum Beispiel die Kantendetektion in Bilder demonstriert werden. Auf Basis der systemtheoretischen Modelle soll in diesem Projekt, die Skalierbarkeit, das Potential und der universelle Ansatz von MCNN-UM gezeigt werden.
Abgeschlossene Forschungsprojekte
Assistenzsystem zur Warnung vor epileptischen Anfällen
- Zeitraum: 01.02.2018 bis 31.12.2020
- Förderer: Land Sachsen (EFRE)
Ziel des geplanten Forschungsvorhabens ist die Entwicklung eines mobilen Systems, das eine telemedizinische Überwachung und Behandlung von Epilepsiepatienten sowie eine sichere Vorhersage von epileptischen Anfällen ermöglicht. Dafür müssen neue, leistungsfähige Methoden entwickelt, auf einer geeigneten Signalverarbeitungsplattform implementiert und schließlich im klinischen Umfeld validiert werden. Durch eine erfolgreiche klinische Validierung wird der Grundstein für die zukünftige Entwicklung eines Implantates zum Einsatz im Heim-Bereich gelegt.
Dynamische Analyse und Modellierung experimenteller Daten aus nichtlinearen Schaltungselementen
- Zeitraum: 2019-2021
- Förderer: DFG
Ein wichtiges Ziel des Projektes ist es, neue nichtlineare Modelle für Memristoren herzuleiten, zu analysieren und unter Anwendung von Methoden der Netzwerk- und Systemtheorie für eine Reihe von physikalischen Systemen anzuwenden, wie es in der Projektbeschreibung dargestellt ist. Obwohl es inzwischen eine beachtliche Anzahl an Literatur über Memristoren gibt, wurden Modelle, die Memristoren richtig definieren, d.h. durch ein zustandsabhängiges Ohmsches Gesetz zusammen mit den definierenden Zustandsgleichungen, nur in wenigen Fällen vorgeschlagen und analysiert. Hierbei ist es wichtig zu beachten, dass die Anwendung des Memristor-Formalismus die Forschung in nichtflüchtigen Speicherelementen und verschiedenen Formen des neuromorphen computing dramatisch beschleunigt hat. Für die zukünftige Entwicklung neuer innovativer Memristorschaltungen, die teilweise konventionelle CMOS-Technologie ersetzen werden, ist es notwendig, Methoden aus Physik und Chemie heranzuziehen und genaue und detaillierte Messungen durchzuführen, um basierend darauf in der Netzwerktheorie Modelle zu bestimmen, die eine genaue und stabile Simulation von Memristor-Elementen und Schaltkreisen in Standard-Designer-Software ermöglichen. Unsere Untersuchungen werden sich auf die Herleitung neuer dynamischer Modelle mit einer geeigneten Parametrisierung konzentrieren, so dass auch diese Modelle auf andere Bauelemente und Schaltkreise verallgemeinert werden können. Diese geplante Arbeit konzentriert sich auf eine neue, sehr umfangreiche experimentelle Datenbank für den NbO2-Memristor, die bei HP Labs und im Lawrence Berkeley National Laboratory erstellt wurde. Dr. Stanley Williams hat diese bereits der Arbeitsgruppe in Dresden zur Verfügung gestellt, wo weitere Messungen in Zusammenarbeit mit der Namlab gGmbH Dresden geplant sind. Im Vergleich zu unseren laufenden Arbeiten sind in diesem Projekt umfassende Untersuchungen erforderlich, die die Dynamik derartiger Bauelemente in einer detaillierten, bisher nicht verfügbaren Form erfassen. Wir planen auch, dynamische nichtlineare Modelle anderer Mem-Elemente zu bestimmen, einschließlich verschiedener Arten von induktiven und kapazitiven Elementen, die bestehende Schaltungen mit neuen Eigenschaften erweitern, mit dem Ziel, erhebliche Fortschritte in der Sensortechnik, in der Signalverarbeitung und bei Verfahren im local computing, d.h. bei Verfahren für nicht von-Neumann Rechnerarchitekturen mit lokalen Speicherelementen, zu ermöglichen. Insbesondere werden die hergeleiteten Modelle zugrunde gelegt, um unterschiedliche Anwendungen für nichtlineare dynamische Schaltungselemente wie Signaltransduktion und -analyse, Verstärkung, Datenübertragung und local computing zu untersuchen.
Entstehung von komplexem Verhalten in Memristor CNN
- Zeitraum: 2018-2021
- Förderer: DFG
Projektziel ist die Analyse der Leistungsfähigkeit memristiver Zellularer Nichtlinearer Netzwerke (MCNN). Fokus der Arbeit ist eine Erweiterung des Einsatzbereiches moderner Sensor-Prozessor-Anordnungen, welche trotz deren hoher paralleler Rechenleistung mit Bildverarbeitungsraten von bis zu 20kHz erheblich durch die niedrige Auflösung begrenzt sind. Memristoren sind neuartige nano-elektronische Bauelemente mit vielfältigem nichtlinearem dynamischem Verhalten und stellen die effizientesten Emulatoren neuronaler synaptischer Dynamik dar. Es gibt eine Reihe unterschiedlicher Klassen von Memristoren, jede mit spezifischen Eigenschaften. Eine dieser Klassen umfasst Ele-mente sowohl zur Verwendung als Rechenelement als auch zur Datenspeicherung. Eine andere Klasse, die für dieses Projekt sehr wichtig ist, besteht aus Elementen, die lokal aktives Verhalten aufweisen und in elektronische Schaltungen integriert zum Auftreten komplexer dynamischer Phä-nomene führen. Einige Memristoren, die mit Materialien wie Nioboxid produziert werden, können bei-den Klassen zugeordnet werden. Auf Basis dieser Memristoren können Speicher- und Prozessorein-heit auf Basis des Theorems der lokalen Aktivität in einer Schaltung kombiniert werden. Die bislang bestehende Limitierung der Auflösung von auf CNN basierenden zweidimensionalen Sensor-Prozessor-Anordnungen kann durch den Einsatz von Memristoren im Schaltungsentwurf umgangen werden. In Hinblick auf die viel versprechenden Perspektiven der Memristor-basierten CNN, ist das Forschungsprojektziel, die schaltungstheoretischen Eigenschaften und das nichtlineare dynamische Verhalten dieser Elemente mittels einer fundierten mathematischen Modellierung abzubilden. Daraus werden neue Strukturen zur parallelen Datenverarbeitung sowie der schaltungstechnischen Realisie-rung einer neuen Generation moderner Sensor-Prozessor-Elemente abgeleitet. Die hohe Rechen-leistung der Sensor-Prozessor-Anordnungen wird durch die Berechnung komplexer Probleme durch komplexe inhomogene zeitlich-dynamische Wechselwirkungen der einzelnen Sensor-Prozessor-Elemente erreicht. Da dieses Ziel ausschließlich in lokal aktiven Systemen zu verwirklichen ist, muss das Hauptziel dieser Arbeit sein, die Theoreme der lokalen Aktivität so zu erweitern, dass die Dynamik in MCNN durch geeignete lokale Aktivitätskriterien charakterisiert werden kann. Die bisher durchgeführte Analyse für Reaktions-Diffusionsnetzwerke wird verallgemeinert, um sie für eine gro-ße Klasse von Memristor-Modellen anwendbar zu machen. Zur Ableitung der für die lokale Aktivität einer CNN-Zelle notwendigen und hinreichenden Parameter wird ein neuer, in sich abgeschlossener, mathematischer Formalismus entwickelt. Damit ist das skizzierte Forschungsvorhaben von essenti-eller Bedeutung für die Realisierung von neuen biologisch inspirierten hochparallelen Rechnerstruk-turen, die ein ähnl. Verhältnis von Energieverbrauch, Rechenleistung und Größe wie ein menschl. Gehirn aufweisen können.
Lokal Aktive Memristive Daten Prozessierung
- Zeitraum: 2015-2017
- Förderer: DFG
Komplexes und dynamisches Verhalten können nur in lokal-aktiven Systemen auftreten. Lokala Aktivität ist das Vermögen eines nichtlinearen dynamischen Systems, infinitesimale Fluktuationen der Energie zu verstärken. Diese Eigenschaft wurde ursprünglich in der Schaltungstheorie definiert, lässt sich aber auf verschiedenste Systeme anwenden. Transistoren sind ein Beispiel lokal-aktiver Systeme aus dem Gebiet der Mikroelektronik. Ihre Erfindung im Jahr 1947 hat die Informationstechnologie revolutioniert und letztendlich zum Einzug elektronischer Systeme als wichtigen Teil in unserem täglichen Leben geführt. In jüngster Zeit wurde nachgewiesen, dass bestimmte Typen von nanoskaliken Memristoren unter geeigneten Bedingungen als lokal-aktive Bauelemente betrieben werden können. Der lokal-aktive Memristor hat auf Grund seiner einfachen Struktur und kleinen Dimensionen das Potential, zur nächsten Revolution in der Welt der Elektronik zu führen und damit die Funktionalität elektronischer Systeme zu erweitern oder deren Performance zu verbessern. Das tiefe Verständnis der besonderen nichtlinearen Dynamik der lokal-aktiven Memristoren ist die Grundlage für das Design neuartiger elektronsicher Schaltungen, die auf diesem Prinzip der lokalen Aktivität beruhen. Das erste Ziel unserer Arbeiten ist eine exakte experimentelle und mathematische Charakterisierung der komplexen Dynamik unserer lokal-aktiven Nioboxid-basierten Bauelemente. Basierend auf den Ergebnissen und auf den Konzepten der nichtlinearen Systemtheorie sollen anschliessend mathematische Beschreibungen der physikalischen Struktur für analytische Untersuchungen und zeiteffiziente Simulationen abgeleitet werden. Dabei soll insbesondere die stochastische Variabilität des elektrischen Verhaltens in die Modellierung und Analyse der nichtlinearen Dynamik unserer Nanostrukturen einbezogen werden. Ziel unserer Experimente ist es weiterhin, diese Variabilität durch Optimierung der Beuelementestruktur und Materialauswahl auf ein für die Anwendung in komplexeren Schaltungen notwendiges Mass zu verringern. Die Ergebnisse der theoretischen Analysen und experimentellen Untersuchungen sollen letztendlich das Design und die Herstellung zweier beispielhaft gewählter Schaltungen für Anwendungen aus den Bereichen der Mustererkennung und der digitalen Logik ermöglichen.
Entwicklung eines Assistenzsystems für die intraoperative Bildgebung in der Neurochirurgie
- Zeitraum: 01.01.2018 bis 31.12.2019
- Förderer: Land Sachsen (EFRE)
Ziel des geplanten Vorhabens ist die Entwicklung eines anwendungsorientierten Assistenzsystems für die intraoperative Bildgebung in der Neurochirurgie. Durch die Integration von multimodaler Bildgebung in den operativen Workflow wird ein intraoperatives bildgebendes Verfahren zur funktionellen Darstellung der Hirnoberfläche etabliert, um die Genauigkeit und Zuverlässigkeit der operationsunterstützenden Technologien zu verbessern und damit die Risiken von neurochirurgischen Eingriffen zu verringern.
Echtzeitverarbeitung mit komplexen Systemen in industriellen Prüf- und Überwachungssystemen
- Zeitraum: 01.07.2016 bis 30.06.2019
- Förderer: BMBF
Das übergeordnete Arbeitsziel des Vorhabens ist die Erforschung und Entwicklung neuartiger Verarbeitungssysteme für eine echtzeitfähige adaptive Prozessüberwachung und -steuerung. Die Untersuchungen erfolgen am Beispiel von Ultraschallsensoren, um erstmals ein umfassendes Echtzeit-Monitoring insbesondere auch mit vernetzten Sensorstrukturen zu ermöglichen. Im Vordergrund steht dabei die Integration von Sensoren mit parallelen Rechnerstrukturen in Hinblick auf eine prozessnahe Signalverarbeitung und Klassifikation von Sensorsignalen. Die erfolgreiche Bearbeitung des Forschungsprojektes erlaubt nachfolgend eine Verwertung des entwickelten Verarbeitungskonzeptes in verschiedenen Bereichen der Mess- und Sensortechnik, z. B. auch für eine schnelle und sichere Mustererkennung mit Gassensoren oder eine Klassifikation durch berührungslose Schwingungsmessung.
Interdisziplinäre Nachwuchsforschergruppe: Optische Technologien in der Medizin
- Zeitraum: 01.06.2016 bis 31.05.2019
- Förderer: Land Sachsen (ESF)
- Website: https://tu-dresden.de/med/mf/optim
Forschungsschwerpunkt ist die Entwicklung und die klinische Erprobung innovativer optischer Diagnoseverfahren in den Fachbereichen Neurochirurgie, Hals-Nasen-Ohrenheilkunde und Zahnheilkunde. Es werden Verfahren der Thermografie, der optischen Kohärenztomografie und der Spektroskopie eingesetzt und gemäß den klinischen Anforderungen technisch und methodisch weiterentwickelt.
Optisch-Thermografische Technologien in der Neurochirurgie
- Zeitraum: 01.02.2016 bis 31.12.2017
- Förderer: Land Sachsen
Das Ziel der Forschungsarbeit ist die Entwicklung eines Assistenzsystems für die intraoperative, hochauflösende, thermografische Bildgebung in der Neurochirurgie. Das System bildet die Grundlage für den Einsatz einer neuen Technologie, um operationsbedingte neurologische Ausfallerscheinungen zu minimieren. Im Vordergrund stehen die Erforschung von Methoden zur Identifikation funktioneller Areale und die Bestimmung von ischämischen Bereichen der Hirnrinde. Um die entwickelten Methoden in den operativen Einsatz zu überführen, werden diese im Rahmen des Projektes auf einem Echtzeit-Verarbeitungssystem implementiert, das eine schnelle und effiziente Signalverarbeitung ermöglicht.
Weißlichtaufnahme und Thermoaufnahme des Kortex
Entwicklung der modularen integrierten Plattform zur thermografischen Online-Bildgebung bei neurochirurgischen Eingriffen
- Zeitraum: 01.07.2013 bis 31.12.2014
- Förderer: Land Sachsen
Ziel des Forschungsvorhabens war die praktische Realisierung eines modular erweiterbaren Kamerasystems zur thermografischen Bildgebung in der Neurochirurgie. Das System sollte eine intraoperative Identifikation funktioneller Areale der Hirnrinde (Cortex) sowie eine möglichst hochauflösende Erkennung vaskulärer Störungen und die Abgrenzung von Tumoren zu regelgerechtem Gewebe ermöglichen. Dadurch sollten Untersuchungen zu strukturell-funktionellen Zusammenhängen zwischen neuronaler Aktivität der Hirnrinde und einer Änderung der Wärmestrahlung ermöglicht werden.