A 3-day course "Predictive Data Analytics - An Introduction to Machine Learning" within the graduate school of the KIT center MathSEE took place from April 11-13, 2022. The course concluded with participation from 35 students, doctoral candidates and postdoctoral researchers.
Das neue, von der Helmholtz-Gemeinschaft finanzierte COCAP-Projekt begann im Januar 2022. Das Projekt hat neben dem KIT vier weitere Kernteam-Partner: UFZ, HZDR, IFO Institute und Uni Leipzig. Für das KIT ist M. Schienle der PI.
Barbara Verfürth hat eine Emmy Noether-Förderung für ihr Projekt mit dem Titel "Numerische Methoden für nichtlineare, zufällige und dynamische Multiskalenprobleme" erhalten. Herzlichen Glückwunsch!
Am 07. Februar 2022 präsentierte sich das KIT-Zentrum MathSEE am KIT im Rathaus. Bürgermeister von Karlsruhe Dr. Käuflein und KIT VP Prof. Kraft begrüßten das Publikum in der Online-Veranstaltung mit 4 Vorträgen, die aufgrund von Corona ausschließlich virtuell stattfinden konnte. Mehr als 100 Teilnehmer nahmen an der live gestreamten Veranstaltung teil.
Patrick Erik Bradley und Martin Breunig waren erfolgreich bei der Einwerbung der DFG-Förderung für dsa Projekt "Verteilte Simulation von Prozessen in Bauwerken und Stadtmodellen" für drei Jahre ab Oktober 2021.
Der Workshop wird den Stand der Technik, Anwendungen und Perspektiven der Datenassimilation und inverser Probleme in den geophysikalischen Wissenschaften vom 18. bis 29. Oktober 2021.
Am Mittwoch, 27. Oktober 2021 um 16 Uhr beginnt die Ringvorlesung Data Literacy: KIT-interne und externe Expertinnen und Experten setzen sich mit den wichtigsten Aspekten der Datenanalyse und -nutzung auseinander. Gasthörende sind herzlich willkommen!
Die Deutsche Forschungsgemeinschaft bewilligte im Dezember 2021 die Förderung der DFG-Forschergruppe Intermediary Asset Pricing. Das Projekt ist eine gemeinsame Arbeit von Kollegen aus Karlsruhe, Frankfurt, Tübingen, Stuttgart und Münster und beinhaltet eine enge Zusammenarbeit mit der WU Wien.
In einer großartigen Aktion bieten Dozenten und Studierende des SFB Wellenphänomene Mathematikunterricht für Schüler des Kant Gynmasiums an, um Lerndefizite der letzten 1,5 Schuljahre durch Online-Unterricht auszugleichen.
Dueben, P., Modigliani, U., Geer, A., Siemen, S., Pappenberger, F., Bauer, P., Brown, A., Palkovic, M., Raoult, B., Wedi, N., & Baousis, V. (2021). Machine learning at ECMWF: A roadmap for the next 10 years. ECMWF, 878, https://doi.org/10.21957/ge7ckgmStufe 2 Antrag TEEMLEAP erfolgreich
MathSEE Steering Committee Mitglied und Sprecher des Methodenbereichs 4 des KIT-Zentrums MathSEE, Prof. Dr. Peter Knippertz, war erfolgreich bei der Einwerbung von Fördermitteln für die Stufe 2 des Antrags in der KIT-Förderlinie Future Fields.
Erfolgreicher Stufe-2-Antrag vom KIT-Zentrum MathSEE: Topologische Genomics
MathSEE-Lenkungsausschussmitglied und Sprecher des Methodenbereichs 1 des KIT-Zentrums MathSEE, Prof. Dr. Roman Sauer, und neues MathSEE-Mitglied PD Dr. Andreas Ott waren erfolgreich bei der Einwerbung von Mitteln für ihren Antrag der Stufe 2 „Topologische Genomics“in der Förderlinie KIT-Centers.
Wir möchten Sie zu unserem nächsten Treffen "Anything related to COVID-19" am 25. Februar 2021 von 10:00 bis 11:30 Uhr einladen. Bitte bringen Sie Ihre aktuelle oder geplante Forschung oder Aktivität ein, z.B. zu Aerosol-Simulationen, Differentialgleichungsmodellen für Krankheiten, Lehrkonzepten für mathematische Modelle in der Biologie, Kommunikation mit der Öffentlichkeit - was auch immer Sie wollen, solange es einen Bezug zu unserem Methodenbereich mathematische Modellierung, Differentialgleichungen, Numerik & Simulation hat.
Christian Koos wurde mit dem Thema "Breaking the Wall Towards Ultra-Broadband Signal Processing" als einer der zehn Finalisten in der Kategorie "Engineering and Technology" der Falling Walls Conference auf der Berlin Science Week vom 04. bis 08. November 2020 geehrt. Es gab fast 1000 Nominierungen aus 111 Ländern in 7 Kategorien. Zu dieser großartigen Auszeichnung gratulieren wir Herrn Koos ganz herzlich.
Dr. Sebastian Lerch wurde mit einer Nachwuchsgruppe zum Thema "Künstliche Intelligenz für probabilistische Wettervorhersage" im Rahmen des Programms "MINT für die Umwelt" von 2021-2025 der Vectorstiftung ausgezeichnet. Nur zwei Jahre nach Abschluss seiner Promotion an unserer mathematischen Fakultät wurde er auch in den Editorial Board einer führenden meteorologischen Zeitschrift aufgenommen.
Die KIT-Zentren KCIST, MathSEE und Materials veranstalten am 22.01.2021 ab 09:00 Uhr gemeinsam einen Workshop zum Thema "Data Science für Materialwissenschaften". Wir möchten Sie herzlich zu dieser Veranstaltung einladen, die derzeit in einem hybriden Format geplant ist.
Ein sehr gut besuchtes MathSEE-Symposium ging am 09. Oktober 2020 zu Ende. 8 Plenarvorträge von renommierten Wissenschaftlern, die sich mit interdisziplinärer mathematischer Forschung beschäftigen, präsentierten ihre neuesten Forschungsergebnisse in einer auf 3 Tage verteilten Veranstaltung. Die Resonanz des Publikums war erstaunlich. Wir freuen uns sehr, dass Sie teilnehmen konnten, und möchten Ihnen nochmals für Ihre Beiträge danken. Sowohl die Vorträge als auch die Podiumsdiskussion wurden aufgezeichnet und stehen bis zum 15. November 2020 auf Vimeo unter https://vimeo.com/showcase/mathsee zur Ansicht zur Verfügung.
Wir laden Sie ein zum gemeinsamen Workshop der KIT-Zentren MathSEE und ZKU am 29. März 2021 zu den Anwendungen von multiplen mathematischen Methoden im Bereich Erde und Umwelt ein. Ziel des Workshops ist es, Forscherinnen und Forscher aus den beiden KIT-Zentren zusammenzubringen und langjährige Forschungskontakte zu festigen.
MathSEE, ein interdisziplinäres Forschungszentrum an der Exzellenzuniversität KIT in Karlsruhe, veranstaltet vom 07. bis 09. Oktober 2020 sein erstes Symposium zu Themen, die mathematische Methoden mit Anwendungen aus der Praxis verbinden. Die Podiumsdiskussion zum Thema "Herausforderungen der interdisziplinären Forschung und Karriere" ist für alle offen. Anbei der ZOOM link für Ihre Teilnahme.
Während der MathSEE Modellierungswoche entwickeln Studierende Lösungsansätze zu aktuellen interdisziplinären mathematischen Fragestellungen von Problemstellenden aus MathSEE.
Zusammen mit Partnerprojekten aus der Physik organisiert der SFB 1173 dieses Jahr die interdisziplinäre Sommerschule "Computational Photonics". Während der Woche geben weltweit führende Experten aus Mathematik und theoretischer Physik eine prägnante Einführung in wichtige Konzepte und die jüngsten Entwicklungen in diesem Bereich.
Das Gründungstreffen des GAMM Nachwuchsgruppe am KIT findet am 05. Feb. 2020 in Geb. 20.30 Raum, 1.067 vom 16:00 – 18:00 Uhr statt zu dem wir Sie herzlich einladen.
Wir laden Sie recht herzlich zu unserer Mitgliederversammlung am 7. Februar 2020 um 9:45 Uhr, im Gebäude 20.30 Uhr in Raum 1.067. Die Veranstatltung konzentriert sich auf die Aktivitäten des Zentrums im Jahr 2019 und die vielversprechenden Forschungsperspektiven, auf die sich das Zentrum im Jahr 2020 fokussieren wird. Wir würden uns freuen, Sie bei diesem Treffen begrüßen zu dürfen.
Das KIT-Zentrum MathSEE begrüßt Anträge von Tandems aus Forschern mathematischer und anwendungsorientierter Disziplinen zu innovativen, interdisziplinären Forschungsprojekten, die vielversprechende Anwendungen mathematischer Methoden in den SEE-Disziplinen aufzeigen und damit beide Disziplinen voranbringen. Einsendeschluss ist der 15.04.2021.
The workshop on Data-driven Modeling and Optimization in Fluid Mechanics focuses on the application of artificial intelligence, machine learning, deep learning, evolutional algorithms and adjoint-based optimization to fluid dynamics-related problems with special focus on turbulent flows and flow control.
The venue is changed: Rudolf-Plank HS, Geb. 40.32 (Engler-Bunte-Ring 21, 76131 Karlsruhe)
Helmholtz-Gemeinschaft fördert ein 4-Millionen-Euro-Projekt, in dem Mathematiker und Anwender den Umgang mit Unsicherheiten in Datenmengen verbessern und so Datenkompetenzen stärken.
Wissenschaftlerinnen und Wissenschaftler aus Meteorologie und Mathematik des KIT haben gemeinsam eine neue Methode entwickelt, die auf Basis von Künstlicher Intelligenz Fehler in der Wettervorhersage unter Berücksichtigung nicht-linearer Zusammenhänge korrigiert.