CASUS – Center for Advanced Systems Understanding

ZRÓWNOWAŻONE SYSTEMY
NE
NAUKA

Łączymy metody z zakresu matematyki, teorii systemów, nauki o danych oraz obliczeń naukowych, mając na celu nowe podejście do badań nad systemami opartymi na intensywnym przetwarzaniu danych. W oparciu o wysokiej jakości dane badawcze opracowujemy rozwiązania cyfrowe, które znajdują zastosowanie w różnych dyscyplinach.

Najnowsze wiadomości z CASUS

Odkrywanie świata agentów sztucznej inteligencji w programowaniu naukowym

CASUS przedstawia framework typu open source o nazwie Terok

ZOBACZ WIĘCEJ

Materiały fotokatalityczne

Pierwsze systematyczne badania obliczeniowe imidów poliheptazyny potwierdzają wysokie oczekiwania związane z tą klasą materiałów

ZOBACZ WIĘCEJ

Udane otwarcie wystawy naukowej w Łużycach

Wystawa „Hi!Lusatia – badania otwierają nowe możliwości” w Görlitz zaprasza zwiedzających

Region w okresie przemian – wystawa zorganizowana przez społeczność lokalną zwraca obecnie uwagę na naukę i innowacje, czyli często pomijane aspekty zmian strukturalnych zachodzących w regionie.

Udzielono wczesnego dostępu do superkomputera ery sztucznej inteligencji

ZOBACZ WIĘCEJ

Symulacje materiałów obejmujące więcej niż kilkaset atomów

Stowarzyszenie Helmholtz finansuje projekt MLGREEN dotyczący sztucznej inteligencji w dziedzinie materiałoznawstwa

Długoterminowe prognozy dotyczące bezpieczeństwa składowisk odpadów jądrowych

Ministerstwo Federalne zleca opracowanie nowych metod uczenia maszynowego

Na projekt MALEK, którego celem jest opracowanie zestawu metod służących do oceny bezpieczeństwa składowiska odpadów jądrowych, przeznaczono około 1,7 mln euro.

Porozmawiajmy o tym

Odkrywanie i redukcja modeli układów hamiltonowskich

30 czerwca 2026 r.

Seminarium Instytutu CASUS

Często spotykanym problemem obliczeniowym podczas badania układów fizycznych o właściwościach zachowawczych jest rozwiązywanie układów hamiltonowskich o wysokim wymiarze. Szybka symulacja w zmiennych warunkach wymaga opracowania zwartego modelu o zredukowanym rzędzie.

Flatlands – poza granicami grafenu 2026

7–11 września 2026 r.

Konferencja

Tegoroczna edycja cyklu konferencji Flatlands odbędzie się w Dreźnie w Niemczech. Lokalny komitet organizacyjny, w skład którego wchodzą przedstawiciele Politechniki Drezdeńskiej oraz CASUS, serdecznie zaprasza międzynarodową społeczność zajmującą się materiałami 2D.

Warto przeczytać

Minterpy: wielowymiarowa interpolacja wielomianowa w języku Python

Damar Wicaksono, Uwe Hernandez Acosta, Sachin Krishnan Thekke Veettil, Jannik Kissinger i Michael Hecht – Journal of Open Source Software 10 (109), 7702 (2025)

Interpolacja ma zasadnicze znaczenie w różnych zadaniach obliczeniowych, w tym w aproksymacji funkcji, dopasowywaniu krzywych, całkowaniu numerycznym, geometrii różniczkowej, metodach spektralnych, optymalizacji oraz kwantyfikacji niepewności. Minterpy to pakiet open source napisany w języku Python, przeznaczony do wielowymiarowej interpolacji wielomianowej. Zapewnia stabilne i …

Ilościowe obrazowanie fazowe w jednym ujęciu przy użyciu konwencjonalnego mikroskopu z wykorzystaniem modeli dyfuzji

Gabriel della Maggiora, Luis Alberto Croquevielle, Harry Horsley, Thomas Heinis, Artur Yakimovich – Materiały z konferencji AAAI poświęconej sztucznej inteligencji 39 (3), 2672–2680 (2025)

Obrazowanie fazowe zyskuje na znaczeniu ze względu na swoje zastosowania w takich dziedzinach, jak obrazowanie biomedyczne i charakterystyka materiałów. W zastosowaniach biomedycznych może dostarczać informacji ilościowych, których brakuje w metodach mikroskopii bezznakowej. Jedną z najbardziej znanych metod kwantyfikacji fazowej jest równanie transportu intensywności (TIE). Metoda TIE często wymaga wykonania wielu pomiarów przy różnych odległościach defokusa, …

Analiza korelacji elektronicznych w ciepłych, gęstych plazmach kwantowych

Tobias Dornheim, Tilo Döppner, Panagiotis Tolias, Maximilian P. Böhme, Luke B. Fletcher, Thomas Gawne, Frank R. Graziani, Dominik Kraus, Michael J. MacDonald, Zhandos A. Moldabekov, Sebastian Schwalbe, Dirk O. Gericke i Jan Vorberger – „Nature Communications” 16, 5103 (2025)

Badania materii o ekstremalnych gęstościach i temperaturach stały się niezwykle aktywną dziedziną pionierską na styku fizyki plazmy, materiałoznawstwa i chemii kwantowej, mającą znaczenie dla modelowania planet oraz syntezy jądrowej z wykorzystaniem konfinowania inercyjnego. Szczególną cechą takiej gorącej i gęstej materii jest złożona wzajemna zależność oddziaływań kulombowskich, efektów kwantowych i wzbudzeń termicznych, co sprawia, że jej rygorystyczny opis teoretyczny stanowi wyzwanie. W niniejszym artykule wykazujemy…

Obliczenia kwantowe w reprezentacjach dostosowanych do spinów na potrzeby wydajnych symulacji układów spinowych

Anthony Gandon, Alberto Baiardi, Max Rossmannek, Werner Dobrautz i Ivano Tavernelli – PRX Quantum 6 (2025)

Wykorzystanie symetrii właściwych układom stanowi powszechne i skuteczne podejście do przyspieszenia symulacji układów kwantowych. Jednak skuteczne uwzględnienie symetrii nieabelowych, takich jak globalna symetria spinowa SU(2), pozostaje poważnym wyzwaniem. W rzeczywistości wyrażenie stanów własnych o całkowitym spinie w kategoriach bazy obliczeniowej może wymagać wykładniczo dużej liczby współczynników…

Poznajcie nasze zespoły

Teoria systemów złożonych

Prof. Thomas D. Kühne

Procesy chemiczne i fizyczne są nierozerwalnie związane z dużymi skalami długości i czasu.

Nauki o systemie ziemskim

Prof. dr Justin Calabrese

Zespół badawczy ds. nauk o systemie ziemskim w CASUS zajmuje się problemami z pogranicza ekologii przestrzennej, hydrologii i zmian antropogenicznych, aby zrozumieć dynamikę różnorodności biologicznej w antropocenie

Uczenie maszynowe w projektowaniu materiałów

dr Attila Cangi

Dział „Uczenie maszynowe w projektowaniu materiałów” opracowuje skalowalne metody uczenia maszynowego, które przyspieszają symulacje struktur elektronicznych i atomistycznych oparte na zasadach pierwotnych, a jego nadrzędnym celem jest odkrywanie i projektowanie nowych materiałów.

Najnowsze osiągnięcia w dziedzinie obliczeniowej fizyki kwantowej układów wielociałowych

dr Tobias Dornheim

Nasza grupa opracowuje nowatorskie metody i koncepcje mające na celu rozwiązanie problemów z zakresu kwantowej teorii wielu ciał.

Centrum Obliczeń Naukowych

dr Andreas Knüpfer

Wydział wspiera naukowców z CASUS we wszystkich aspektach obliczeń naukowych oraz badań opartych na danych. Prowadzi również własne badania dotyczące konkretnych zagadnień.

Fizyka promieniowania obliczeniowego

dr Michael Bussmann

Grupa ta zajmuje się modelowaniem, symulacją i wizualizacją dynamiki cząstek oraz zjawisk związanych z promieniowaniem, które mają znaczenie w badaniach nad fizyką przyspieszania cząstek za pomocą lasera.

AI 4 Quantum

dr Werner Dobrautz

Opracowujemy synergiczne podejście łączące obliczenia o wysokiej wydajności z obliczeniami kwantowymi, wykorzystujące nowatorskie metody sztucznej inteligencji i głębokiego uczenia maszynowego, aby umożliwić badania obliczeniowe złożonych układów kwantowych mających znaczenie dla przejścia na zieloną energię.

Chemia teoretyczna

dr Agnieszka Beata Kuc

W ramach grupy ds. chemii teoretycznej zajmujemy się badaniem innowacyjnych materiałów, ze szczególnym uwzględnieniem układów dwuwymiarowych, przeznaczonych do zastosowań w zakresie magazynowania i wytwarzania energii, katalizy, separacji izotopów oraz urządzeń nano(opto)elektronicznych.

Nie zajmujemy się nauką dla samej nauki

Prowadzimy badania naukowe z korzyścią dla ludzkości

Françoise Barré-Sinoussi

Proszę zgłębiać to, co interesuje Pana/Panią najbardziej, w sposób jak najbardziej niekonwencjonalny, niekonwencjonalny i oryginalny.

Proszę zgłębiać to, co interesuje Pana/Panią najbardziej, w sposób jak najbardziej niekonwencjonalny, niekonwencjonalny i oryginalny.

Richard P. Feynman

Dynamika złożonych systemów żywych

dr Ricardo Martínez-García

W zespole „Dynamika złożonych systemów żywych” zajmujemy się trwałym samoorganizowaniem się oraz procesami emergentnymi w systemach żywych w różnych skalach.

Uczenie maszynowe w zakresie zakażeń i chorób

dr Artur Yakimovich

Grupa „Machine Learning for Infection and Disease” (MLID) ma na celu opracowanie nowatorskich metod obliczeniowych, które ułatwią nam zrozumienie biologii zakażeń i chorób.