Teilnahme an dem GK Daedalus 2433 mit der TU Berlin

Das Hauptziel von DAEDALUS ist die Analyse des Zusammenspiels zwischen der Einbeziehung von Daten und der auf Differentialgleichungen basierenden Modellierung, die eines der Schlüsselprobleme der modellbasierten Forschung des 21. Jahrhunderts darstellt. DAEDALUS konzentriert sich sowohl auf theoretische Erkenntnisse als auch auf Anwendungen in den Lebenswissenschaften (Gehirn-Computer-Schnittstellen und Biochemie) sowie in der Strömungslehre. Die Projekte decken ein wissenschaftliches Spektrum vom maschinellen Lernen, der mathematischen Theorie der Modellreduktion und der Quantifizierung von Unsicherheiten bis hin zu entsprechenden Anwendungen in der Turbulenztheorie, der Simulation komplexer nichtlinearer Strömungen sowie der Molekulardynamik in chemischen und biologischen Systemen ab. In unserer Gruppe decken wir Aspekte der mathematischen Statistik und des maschinellen Lernens ab.

Dieses Projekt steht im Zusammenhang mit Daedalus und befasst sich mit der Quantifizierung der Unsicherheit in komplexen Fällen.

The main goal of DAEDALUS is the analysis of the interplay between incorporation of data and differential equation-based modeling, which is one of the key problems in model-based research of the 21th century. DAEDALUS focuses both on theoretical insights and on applications in life sciences (brain-computer interfaces and biochemistry) as well as in fluid dynamics. The projects cover a scientific range from machine learning, mathematical theory of model reduction and uncertainty quantification to respective applications in turbulence theory, simulation of complex nonlinear flows as well as of molecular dynamics in chemical and biological systems. In our group, we cover mathematical statistics and machine learning aspects.

This project is in the context of Daedalus, and is concerned with uncertainty quantification in complex cases.