Max-Planck-Fellow-Gruppe
Datengestützte Modellierung der natürlichen Dynamik

Prof. Dr. Alexander Ecker

Die Aufgabe der Max-Planck-Fellow-Gruppe "Datengestützte Modellierung der natürlichen Dynamik" ist, das maschinelle Lernen zu erweitern, um die Modellierung, Optimierung und Kontrolle komplexer dynamischer Systeme in Physik und Biologie zu ermöglichen. Maschinelles Lernen (ML) hat kürzlich eine Revolution in den Bereichen Computer Vision und Verarbeitung natürlicher Sprache ausgelöst. ML hat bemerkenswerte Fortschritte bei der Lösung von Problemen erzielt, die zuvor als äußerst schwierig oder sogar unmöglich mit den derzeitigen Technologien galten. Berühmte Beispiele sind das Schach- oder Go-Spiel. Im Laufe des kommenden zehn Jahren werden die Techniken des maschinellen Lernens voraussichtlich den Prozess der wissenschaftlichen Entdeckung in den quantitativen Naturwissenschaften verändern. Unser Ziel ist es, an vorderster Front zu diesem Wandel beizutragen, indem wir neue maschinelle Lernansätze zu einigen der der schwierigsten Probleme in der Erforschung komplexer Systeme liefern: Die Dynamik von Wolken und atmosphärischen Turbulenzen, die Modellierung und Steuerung der Herzdynamik und das Verständnis des Designs und der Dynamik von tiefen neuronalen Netzen im Gehirn.

Weitere Informationen sind auf unserer englischsprachigen Seite zu finden.