000496711 001__ 496711
000496711 005__ 20230212181310.0
000496711 0247_ $$aG:(GEPRIS)384950143$$d384950143
000496711 035__ $$aG:(GEPRIS)384950143
000496711 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000496711 150__ $$aGRK 2433: Differentialgleichungs- und Daten-basierte Modelle in den Lebenswissenschaften und der Fluiddynamik (DAEDALUS)$$y2018 - 2023
000496711 371__ $$aProfessor Dr. Wolf-Christian Müller
000496711 450__ $$aGRK 2433$$wd$$y2018 - 2023
000496711 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000496711 680__ $$aAufgrund der massiven Komplexität von physikalischen und ingenieurtechnischen Systemen ist heutzutage die traditionelle Modellierung mittels Differentialgleichungen (DGn) oftmals nicht mehr ausreichend, um adäquate mathematische Modelle bereitzustellen. Eine besonders erfolgversprechende Herangehensweise ist die Inkorporation von Daten in das Modell, die innerhalb eines realen Systems gemessen wurden. Eine zentrale, offene Fragestellung ist die optimale Balance zwischen Datenadaptiertheit im Sinne der Verwendung eines gemessenen Datensatzes im Modellierungsprozess und der traditionellen DG-Modellierung. Offensichtlich kann diese Frage nur durch eine Sichtweise, die die mathematische und anwendungsbezogene Seite gleichermaßen berücksichtigt, befriedigend beantwortet werden. Deshalb ist unser GRK-Team hochgradig interdisziplinär aus InformatikerInnen, IngenieurInnen, MathematikerInnen und PhysikerInnen zusammengesetzt. Unser Anwendungsfokus umfasst (1) Lebenswissenschaften, die typischerweise vornehmlich Gebrauch von realen Daten machen, und (2) Strömungsdynamik, in der traditionelle DG-Modellierung eine zentrale Rolle spielt.Die Zielsetzung unseres GRKs ist dreigeteilt: Erstens soll die Kohorte in mathematischen Techniken wie Datenassimilation, Maschinelles Lernen, Modellierung, Modellreduktion, Sparse/Niedrigrang-Approximation und Unschärfequantifizierung durch eine ,Introductory Intensive Course Period‘, weiter-führende Trainingskomponenten und jährliche Winterschulen trainiert werden. Zweitens wird jede Doktorandin und jeder Doktorand lernen, in einem interdisziplinären Team zu arbeiten; zunächst in der ‘In-terdisciplinary Welcome Week’ und anschließend durch die interdisziplinären PI-Teams, die jedes Projekt leiten, wie auch durch spezielle Events, z. B. die Research Retreats. Drittens wird das Spektrum an Projekten eine Vielfalt von Sichtweisen auf das Zusammenspiel von Dateninkorporation und DG-Modellierung bieten, wodurch die zentrale Problemstellung eines optimalen Grades von Datenadaptiertheit im Modellierungsprozess aus verschiedenen Blickwinkeln angegangen wird. Die Forschungserfahrung der DoktorandInnen wird vervollständigt durch internationale Interaktionen und diverse Aktivitäten in der Berliner Wissenschaftslandschaft. Somit wird unser GRK eine neue Generation von interdisziplinären ForscherInnen ausbilden, die sowohl im Bereich Data Science als auch in der eher traditionellen mathematischen Modellierung und Simulation hervorragend ausgebildet sind.
000496711 909CO $$ooai:juser.fz-juelich.de:922592$$pauthority$$pauthority:GRANT
000496711 909CO $$ooai:juser.fz-juelich.de:922592
000496711 980__ $$aG
000496711 980__ $$aAUTHORITY