MIDS LOGO

Herzlich Willkommen auf der Seite des Lehrstuhls für Wissenschaftliches Rechnen

Die Arbeitsgruppe Wissenschaftliches Rechnen arbeitet an der Entwicklung und Untersuchung von Verfahren in der Data Science, insbesondere solchen basierend auf angewandter Harmonischen Analysis und der Funktionalanalysis. Fokusthemen inkludieren Signalverarbeitung, Informationstheorie, Abtasttheorie, Zeit-Frequenz Analyse, Quanitisierung und Maschinelles Lernen.

Die Arbeitsgruppe entwickelt zum Beispiel  effizienter Methoden zum Zusammensetzen (Synthetisieren) oder Zerlegen (Analysieren) von Funktionen oder Operatoren in gut verstandene Grundbausteine. Die Analyse bedarf die anwendungsabhängige Wahl der Grundbausteine und auf der stabilen Bestimmung des Gewichts jedes Bausteins in einem gegebenen Signal. Zum Beispiel kann ein Bild in rote, grüne und blaue Bereiche unterschiedlicher Intensität zerlegt werden. Die duale Operation ist die Synthese von Signalen. Mit denselben Bausteinen wie im Analyseschritt können wir Signale und Transformationen komponieren, oder hilfreich modifizierten Koeffizienten aus dem Analyseschritt nutzen um Signale zu rekonstruieren. In Bezug auf oben genanntes Beispiel, können wir ein Bild zeichnen, indem wir die Rot-, Grün- und Blaufelder und deren Intensitäten, d.h., deren Koeffizienten frei wählen.

Über uns

Neuigkeiten aus der Mathematik

Dr. Hidde Schönberger erhält Preis der Sparkasse Ingolstadt Eichstätt für die beste Dissertation

Im Rahmen des Dies Acacemicus erhielt Dr. Hidde Schönberger den Preis für die beste Dissertation für seine Arbeit mit dem Titel “Nonlocal gradients within variational models: Existence theories and asymptotic analysis”. Die Dissertation, die unter der Betreuung von Prof. Dr. Carolin Kreisbeck am Lehrstuhl für Mathematik - Analysis verfasst wurde, besteht aus 6 Forschungsartikeln und wurde zuvor mit dem renommierten Klaus-Körper-Preis der Gesellschaft für Angewandte Mathematik und Mechanik (GAMM) ausgezeichnet.

 

In seiner Dissertation untersucht Dr. Schönberger mathematische Modelle mit nichtlokalen Gradienten - ein hochaktuelles Thema in der Variationsrechnung, das insbesondere für die Modellierung von Materialverhalten relevant ist. Im Gegensatz zu den klassischen Modellen in der Literatur, die auf lokalen Größen wie der Ableitung basieren, erlauben die nichtlokalen Analoga das Auftreten von Unstetigkeiten, was für die Untersuchung des Bruchverhaltens von Materialien von Bedeutung ist. Seine Arbeit zeigt, dass Lösungen für diese nichtlokalen Variationsprobleme existieren, und identifiziert ihre Abhängigkeit von entscheidenden Parametern im Modell. Da diese Lösungen nicht explizit berechnet werden können, ist der Nachweis ihrer Existenz nicht nur aus theoretischer Sicht wichtig, sondern auch aus angewandter Sicht, wo sie mit dem Computer approximiert werden müssen. Außerdem zeigt die asymptotische Analyse insbesondere, dass die nichtlokalen Modelle mit ihren lokalen Gegenstücken, die bereits seit vielen Jahrzehnten verwendet werden, konsistent sind. Die in dieser Arbeit entwickelten Konzepte stellen einen wichtigen Beitrag zum Verständnis und zur Weiterentwicklung der nichtlokalen Variationsprinzipien dar. Ein entscheidendes Werkzeug, das eingeführt wird, ermöglicht es, die Analyse der schwierigeren nichtlokalen Gradienten auf ihre einfacheren lokalen Versionen zu reduzieren. Dies bietet eine Methodik, die zur Lösung vieler anderer Probleme, die zur Lösung vieler anderer nichtlokaler Probleme beitragen kann.

 

Dr. Hidde Schönberger hat seinen Bachelor- und Masterabschluss in Mathematik an der Universität Utrecht gemacht und anschließend an der KU promoviert. Während seiner Promotion präsentierte er seine Arbeit auf verschiedenen Konferenzen und absolvierte einen Forschungsaufenthalt an der Universidad Autónoma de Madrid in Spanien. Seit September 2024 ist er Postdoc am Institut für Analysis und Scientific Computing der TU Wien, wo er seine Forschung zu nichtlokalen Problemen in der Variationsrechnung fortsetzt.

 

Wir gratulieren Herrn Dr. Schönberger von Herzen zu dieser wohlverdienten Auszeichnung und wünschen ihm weiterhin viel Erfolg für seine weitere Laufbahn!

Mathematisches Institut für Maschinelles Lernen und Data Science

MIDS Logo

Der Lehrstuhl für Wissenschaftliches Rechnen ist Teil des neu gegründeten Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.

Eröffnung des MIDS

Vorschau Eröffnung MIDS

Bitte beachten Sie: Durch Klicken auf die Bildfläche geben Sie Ihre Einwilligung, dass Videoinhalte von YouTube nachgeladen, Cookies von YouTube/Google auf Ihrem IT-System gespeichert und personenbezogene Daten wie Ihre IP-Adresse an Google weitergegeben werden. Klicken Sie nach Beendigung des Videoinhaltes auf ein anderes Video, öffnet sich in einem neuen Tab Ihres Browsers YouTube und erfasst weitere Daten von Ihnen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und unter Google Privacy .