WIN-Kolleg: Kollegiaten

Joachim Hass

Joachim Hass

Jahrgang 1980

Abteilung Theoretische Neurowissenschaften
Zentralinstitut für seelische Gesundheit

J 5
68159 Mannheim

joachim.hass@zi-mannheim.de

 

Joachim Hass studierte Physik an der Universität Göttingen mit dem Schwerpunkt nichtlineare Dynamik. 2005 erhielt er sein Diplom und begann sein Promotionsstudium am Max-Planck-Institut für Dynamik und Selbstorganisation in Göttingen. Unter der Anleitung von Prof. Dr. Theo Geisel und Prof. Dr. J. Michael Herrmann erarbeitete er mathematische Modelle und psychologische Experimente zur menschlichen Zeitwahrnehmung und ihrer neuronalen Grundlagen.

2009 wurde Joachim Hass promoviert und wechselte nach kurzer Postdoc-Tätigkeit am MPI in die Abteilung Theoretische Neurowissenschaften (Prof. Dr. Daniel Durstewitz) am Mannheimer Zentralinstitut für seelische Gesundheit. Dort beschäftigt er sich mit biologisch detaillierten Netzwerkmodellen des präfrontalen Kortex und ihrer Beeinträchtigung bei psychiatrischen Krankheiten. Seit 2012 ist er Leiter der Projekts B5: ¨Genetic regulation of network dynamics in biophysical PFC/HC networks¨ des Bernstein Centers for Computational Neuroscience (BCCN) Heidelberg-Mannheim.

Joachim Hass ist seit Juni 2014 zusammen mit Daniela Mier als WIN-Kollegiat im Projekt ¨Das menschliche Spiegelneuronensystem - wie erfassen wir, was wir nicht messen können¨ tätig.

 

AUSGEWÄHLTE PUBLIKATIONEN
  • Claudio S. Quiroga-Lombard, Joachim Hass and Daniel Durstewitz: Method for stationarity-segmentation of spike train data with application to the Pearson cross-correlation.  J Neurophysiol 110:562-572, 2013. First published 1 May 2013; doi: 10.1152/jn.00186.2013
  • Joachim Hass, Stefan Blaschke, J. Michael Herrmann: Cross-Modal Distortion of Time Perception: Demerging the Effects of Observed and Performed Motion.  Plos One. June 2012 | Volume 7 | Issue 6 | e38092
  • Loreen Hertäg, Joachim Hass,Tatiana Golovko and Daniel Durstewitz: An approximation to the adaptive exponential integrate-and-fire neuron model allows fast and predictive fitting to physiological data. Frontiers in Computational Neuroscience, September 2012 | Volume 6 | Article 62, doi: 10.3389/fncom.2012.00062
  • Joachim Hass, Stefan Blaschke, Thomas Rammsayer, J. Michael Herrmann: A neurocomputational model for optimal temporal processing . J Comput Neurosci (2008) 25:449–464, doi 10.1007/s10827-008-0088-4
verantwortlich: Redaktion
Letzte Änderung: 05.08.2016
zum Seitenanfang/up