Forschung
- Theorie komplexer Systeme (Prof. T. D. Kühne)
Sowohl chemische als auch physikalische Prozesse sind mit großen Längen- und Zeitskalen verbunden. Daher ist eine zumindest teilweise quantenmechanische Beschreibung solcher Vielteilchensysteme analytisch nur in wenigen Ausnahmefällen möglich. Der Ausweg? Eine statistische Behandlung mit quantenmechanischen Methoden, die von Hochleistungsrechnern gelöst werden kann. Die Hauptaufgabe der Gruppe besteht daher darin, neuartige numerische Techniken zu entwickeln und zu verwirklichen, die so effizient wie möglich sind und gleichzeitig die korrekte Chemie und Physik qualitativ wiedergeben.
- Erdsystemforschung (Prof. J. Calabrese)
Das CASUS-Team Erdsystemforschung befasst sich mit Problemen an der Schnittstelle von Raumökologie, Hydrologie und anthropogenem Wandel, um die Dynamik der Biodiversität im Anthropozän zu verstehen. Es kombiniert ausgefeilte Modelle räumlicher ökologischer Prozesse mit artenübergreifenden Datensätzen aus der ganzen Welt. Dafür nutzt das Team neue Techniken der Datenwissenschaften, des maschinellen Lernens und des Hochleistungsrechnens.
- Maschinelles Lernen für Materialmodellierung (A. Cangi)
Unsere Forschungsgruppe nutzt fortschrittliche Berechnungsmethoden, um nachhaltige Materialien für verschiedene Anwendungen zu entwickeln, darunter Halbleiterbauelemente, Spintronik, neuromorphe Geräte, Thermoelektrik und Energiespeicher. Wir verwenden skalierbare maschinelle Lernverfahren, um Dichtefunktionaltheorie-Simulationen zu verbessern, mikroskopische und mesoskopische Simulationen zu verbinden und fortschrittliche Materialeigenschaften zu modellieren. Unsere Verfahren beinhalten künstliche Intelligenz zur Steigerung der Effizienz. Diese Werkzeuge ermöglichen es uns, so unterschiedliche Phänomene wie zum einen magnetostrukturelle Phasenübergänge in ultraschnellen magnetischen Speichergeräten und zum anderen Elektronentransport in der Nanoelektronik zu untersuchen.
- Systembiologie (N.N.)
CASUS trägt dazu bei, die Organisation lebender Materie zu verstehen. Ziel der Gruppe ist es, die nächste Generation der Biologieforschung einzuläuten, indem sie das mechanistische Verständnis lebender Systeme und die Mittel zu deren aktiver Steuerung verbessert. Um dies zu erreichen, nutzt die Gruppe Werkzeuge wie virtuelle und erweiterte Realität sowie computergestützte Vorhersagen.
- Zentraleinheit Wissenschaftliches Rechnen (A. Knüpfer)
Die Abteilung unterstützt CASUS-Forscherinnen und -forscher bei allen Aspekten des Wissenschaftlichen Rechnens und der datengetriebenen Forschung. Darüber hinaus verfolgt sie eigene Forschungsthemen. Die Mitglieder der Zentraleinheit stammen aus verschiedenen Wissenschaftszweigen und ergänzen die fachbezogene Expertise der Wissenschaftsgruppen mit Methoden, Werkzeugen und weitreichenden Informatik-Kenntnissen.
- Autonome Systeme (N.N.)
Automatisierte Entscheidungen von autonom agierenden Verkehrsmitteln erfordern eine Vernetzung mit der umgebenden Infrastruktur und zwischen den sich bewegenden Objekten. Durch den Einsatz von maschinellem Lernen in Kombination mit Verhaltensmodellen und Sensordaten wird das CASUS ein digitales Abbild der aktuellen Umgebung für die Navigation des Verkehrsmittels erstellen. Dies ermöglicht z.B. eine bessere Entscheidungsfindung über das Verhalten anderer Objekte, die unterwegs sind.
- Computergestützte Strahlenphysik (M. Bussmann)
Die Gruppe modelliert, simuliert und visualisiert die Dynamiken von Teilchen und Strahlungsphänomenen, die für die Erforschung der Physik der Laserteilchenbeschleunigung von Interesse sind. Ziel ist es, Modelle für innovative und kompakte Strahlungsquellen zu entwickeln. Diese sollen die ultrastarken elektromagnetischen Felder, die durch die Wechselwirkung von Licht und Materie bei relativistischen Intensitäten entstehen, optimal nutzen.
- Theoretische Chemie (A. B. Kuc)
Die Gruppe erforscht innovative Materialien – mit Schwerpunkt auf zweidimensionalen Systemen – für den Einsatz in den Bereichen Energiespeicherung und -erzeugung, Katalyse, Isotopentrennung und nano(opto)elektronische Geräte. Zu diesem Zweck nutzt sie eine Reihe von quantenmechanischen Techniken zur Analyse der strukturellen, elektronischen, vibronischen und optischen Eigenschaften von Materialien.
- Grenzbereiche der computergestützten Quanten-Vielteilchentheorie (T. Dornheim)
Die Arbeitsgruppe entwickelt neue Methoden und Konzepte zur Lösung von Problemen aus der Quanten-Vielteilchentheorie. Der Fokus der Forschung liegt dabei auf der Simulation und Diagnostik von warmer dichter Materie, welche eine holistische Behandlung des komplexen Zusammenwirkens von Effekten wie Coulomb-Wechselwirkung, quantenmechanischer Entartung und starkten thermischen Anregungen erfordert. Des Weiteren wendet das Team die entwickelten Methoden auf andere Vielteilchensysteme wie beispielsweise ultrakalte Atome und Elektronen in Quantenpunkten an.
- Mathematische Grundlagen der Forschung zu komplexen Systemen (M. Hecht)
Die Forschungsmission des Teams besteht darin, wertvolle Erkenntnisse in angewandter und numerischer Mathematik zu gewinnen, insbesondere mit Blick auf deren praktische Anwendung bei aktuellen gesellschaftlichen Herausforderungen. Für die Gruppe ist es erfüllend zu erleben, dass ihre Arbeit in der Lage ist, eine Brücke zwischen der abstrakten, theoretischen Welt der reinen Mathematik und der praktischen, empirischen Welt der Wissenschaften zu schlagen.
- Dynamik komplexer Biosysteme (R. Martínez-García)
Die interdisziplinäre Gruppe besteht aus Wissenschaftlern, die zu verstehen und zu quantifizieren versuchen, wie die Komponenten komplexer Biosysteme wie Organismen oder Zellen untereinander und mit der Umwelt interagieren – und wie diese Verhaltensweisen Prozesse auf höherer Ebene steuern. Von besonderem Interesse sind dabei räumlich-zeitliche Muster und ihre ökologischen und evolutionären Auswirkungen. Das Team kombiniert mathematische Modellierung und verschiedene Klassen von empirischen Datensätzen, um seine Ziele zu erreichen.
- Maschinelles Lernen bezüglich Ansteckung und Krankheit (A. Yakimovich)
Ziel der Gruppe ist die Entwicklung neuer Berechnungsmethoden, die das Verständnis von Infektions- und Krankheitsbiologie erleichtern. Um diese Ziele zu erreichen, kombiniert sie Fachwissen in den Bereichen Deep Learning, generative künstliche Intelligenz (KI), Computer Vision, biomedizinische Bildanalyse, Simulationen und Systembiologie. Die Teammitglieder entwickeln neuartige Algorithmen, Aufgaben und Benchmarks, um der neuen Generation der biomedizinischen KI und der biomedizinischen Forschung den Weg zu ebnen.