Sonderforschungsbereich 1456
Mathematik des Experiments
Die Herausforderung indirekter Messungen in den Naturwissenschaften
CRC 1456 Retreat 2024
Our 5th retreat was a successful meeting for the more than 50 participants. We thank all of them for their participation, their commitment and their excellent contributions.
The annual meeting of CRC 1456 took place from 17 to 19 September. The program included three days of talks on the latest results of the projects, discussions and poster presentations. Ideas and experiences were exchanged between presentations. Canoeing together further promoted to get to know each other, to communicate and to collaborate.
GAMM Workshop on Applied and Numerical Linear Algebra 2024
This is the 24th annual workshop of the GAMM Activity Group on Applied and Numerical Linear Algebra (ANLA). It focuses on recent advances in numerical linear algebra methods and their use in applied mathematics, physics, engineering and data science. We welcome contributions on topics including but not limited to: eigenvalue problems, matrix functions, linear systems, least squares problems, tensor methods, inverse problems, and optimization.
The GAMM will take place at the Convention Centre by the - Historical Observatory - Geismarer Landstraße 11b - 37083 Göttingen on September 23 - 24, 2024.
You will find more information here.
Ankündigung
Podcastserie
1. Förderperiode (2021 - 2024)
Wir sind Zeugen einer Epoche, in der Daten von nie gekanntem Ausmaß in der experimentellen naturwissenschaftlichen Forschung gewonnen werden. Während ständig neue Messtechniken und -instrumente entwickelt und verbessert werden, um günstig und effizient Daten zu erlangen, besteht das Nadelöhr heute darin, aussagekräftige Informationen aus diesen riesigen Datenmengen zu gewinnen. Typische Gründe sind, dass moderne Messtechnologien oft Informationen nur indirekter Weise liefen und dass die beobachteten Daten stark verrauscht sind und oft in einer inhärent zufälligen Weise gewonnen werden.
Ziel dieses Sonderforschungsbereichs ist es, basierend auf mathematischer Modellierung und Analysis zu der effizienten Extraktion maximaler quantitativer Informationen aus experimentellen Daten beizutragen.
Die Forschung in diesem SFB wird durch Daten gesteuert. Wir konzentrieren uns auf drei Arten von Strukturen, die sehr oft in experimentellen Daten vorkommen:
- Daten mit geometrischen Nichtlinearitäten
- Daten mit unvollständigen Informationen und
- Daten mit Informationen in der Abhängigkeitsstruktur.
Dabei werden Fortschritte in Data Science aus den vergangenen Jahren aufgegriffen und mit modellbasierten Ansätzen kombiniert, um sie für naturwissenschaftliche Daten nutzbar zu machen. Anwendungsgebiete reichen von der Physik der kondensierten Materie, der molekularen oder zellulären Biophysik über biomedizinische Forschung bis hin zur Astronomie.