Doppelter Erfolg für die Fakultät für Mathematik
Zwei Mathematik-Arbeitsgruppen der TU Chemnitz überzeugten mit ihren eingereichten Tagungsbeiträgen und präsentieren im Juli 2025 ihre Forschung auf einer der wichtigsten KI-Konferenzen der Welt in Vancouver
-
Große Freude an der Fakultät für Mathematik: Prof. Dr. Sebastian Neumayer (l.), Inhaber der Professur Inverse Probleme, und Prof. Dr. Martin Stoll, Inhaber der Professur Wissenschaftliches Rechnen, gehören zu den ausgewählten Wissenschaftlerinnen und Wissenschaftlern aus aller Welt, die ihre Forschungsergebnisse bei der International Conference on Machine Learning (ICML) vorstellen können. Foto: Anja Otto
Die International Conference on Machine Learning (ICML) findet vom 13. bis 19. Juli 2025 in Vancouver/Kanada statt und wird erneut führende Expertinnen und Experten aus allen Bereichen des Maschinellen Lernens und der Künstlichen Intelligenz (KI) zusammenbringen. Die Konferenz ist extrem kompetitiv: Von 12.107 eingereichten Beiträgen wurden dieses Jahr nur 3.260 akzeptiert – mit dabei sind die beiden Mathematikprofessoren Martin Stoll und Sebastian Neumayer der Technischen Universität Chemnitz und ihre Arbeitsgruppen.
Mit aus tiefen neuronalen Netzwerken bestehenden Ersatzmodellen dynamische Verkehrsprobleme lösen
Prof. Dr. Martin Stoll, Inhaber der Professur Wissenschaftliches Rechnen, sagt: „In vielen Bereichen ist es wichtig, dynamische und hochvernetzte Prozesse zu simulieren – beispielsweise in der Simulation von Verkehrsmodellen im Straßenverkehr oder bei biologischen Prozessen. Die dazu verwendeten Modelle beruhen oft auf Differentialgleichungen, für die spezielle Lösungsalgorithmen entwickelt werden müssen. Um mit realen Daten zu arbeiten, ist es weiterhin zwingend erforderlich, unbekannte Parameter in diesen Modellen zu lernen, damit das Ersatzmodell nah an der Realität ist. Die hierfür erforderlichen Algorithmen sind häufig deutlich komplizierter – und hier setzt unser KI-basiertes Modell an. Mit Ersatzmodellen, die aus tiefen neuronalen Netzwerken bestehen, approximieren wir auf effiziente Weise die Lösung der dynamischen Verkehrsprobleme, sodass wir in der Lage sind, unbekannte Parameter datenbasiert sehr schnell und genau zu approximieren.“ Die bei ICML eingereichte Arbeit ist eine Kollaboration von Martin Stoll, Max Winkler, Jan Blechschmidt und Tom-Christian Riemer (alle an der Fakultät für Mathematik der TU Chemnitz) mit Prof. Dr. Jan Pietschmann von der Universität Augsburg (vormals TU Chemnitz). Ein Arxiv Preprint ist hier https://arxiv.org/abs/2205.07195 zu finden.
Einfacher und interpretierbarer Algorithmus für die Rekonstruktion von Bildern aus Messdaten
Prof. Dr. Sebastian Neumayer, Inhaber der Professur Inverse Probleme, erläutert den Konferenzbeitrag seiner Arbeitsgruppe: „Die Professur arbeitet an bildgebenden Verfahren, die etwa in Medizin, Mikroskopie und Materialwissenschaften von Bedeutung sind. Die zugrunde liegenden Prozesse lassen sich oft als inverse Probleme formulieren, bei denen aus Messdaten Bilder rekonstruiert werden – wie bei MRT oder CT. Aufgrund von Rauschen oder unvollständigen Daten ist der Rekonstruktionsprozess jedoch oft schwierig und bedarf einer Regularisierung. In der bei der ICML eingereichten Arbeit verbessern wir die Rekonstruktion iterativ, wobei die optimale Regularisierung für jede Verbesserung basierend auf Daten gelernt wird. Dies resultiert in einem einfachen und interpretierbaren Rekonstruktionsalgorithmus. Durch die Interpretations- und Visualisierungsmöglichkeiten fällt es uns im Vergleich zu tiefen neuronalen Netzen leichter, den Rekonstruktionen der Methode zu vertrauen. Trotz des einfachen Modells ist die Rekonstruktionsqualität sehr hoch und vergleichbar mit der von tiefen neuronalen Netzen.“ Die Arbeit ist eine Kollaboration von Sebastian Neumayer (Fakultät für Mathematik der TU Chemnitz), Erich Kobler (JKU Linz), Mehrsa Pourya und Michael Unser (beide EPFL Lausanne). Ein Arxiv Preprint ist hier https://arxiv.org/abs/2502.04079 zu finden.
Studienwerbung für Masterstudiengang „Data Science“ auf internationalem Parket
Beide Professuren sind nicht nur in der Forschung stark auf KI und Data Science fokussiert, sondern auch sehr engagiert im Masterstudiengang „Data Science“ an der Technischen Universität Chemnitz, auf den sie auch auf internationalem Parkett aufmerksam machen wollen. Dieser Studiengang verbindet Mathematik, Informatik und praktische Datenanalyse. Die Studierenden lernen zentrale Konzepte wie Maschinelles Lernen, statistische Modellierung, effiziente Algorithmen und Datenvisualisierung, wobei das Programmieren in Python eine wichtige Rolle spielt. Besonders reizvoll ist der starke Anwendungsbezug: Durch Kooperationen mit Unternehmen, beispielsweise im Modellierungsseminar, aus der Automobilbranche, dem IT-Sektor und anderen Industriebereichen erhalten Studierende früh Einblicke in reale Datenprojekte und können ihr Wissen in Praxisphasen vertiefen. Ein weiterer Pluspunkt ist die exzellente Betreuung dank überschaubarer Seminargruppen und der engen Zusammenarbeit mit den Lehrenden. Die TU Chemnitz verfügt zudem über eine moderne technische Infrastruktur, darunter High-Performance-GPU-Rechner und spezialisierte Data-Labs, die ideale Bedingungen für Forschung und Projekte bieten.
Stichwort: International Conference on Machine Learning (ICML)
Die International Conference on Machine Learning (ICML) ist das vermutlich wichtigste Zusammentreffen von Expertinnen und Experten für Maschinelles Lernen, einem Zweig der künstlichen Intelligenzforschung. Hier wird Spitzenforschung zu allen Aspekten des Maschinellen Lernens präsentiert, von Künstlicher Intelligenz, Statistik und Datenwissenschaft bis in die wichtigen Anwendungsbereiche wie Maschinelles Sehen, Computational Biology, Spracherkennung und Robotik.
Weitere Informationen erteilen Prof. Dr. Martin Stoll. Telefon +49 (0)371 531-33705, E-Mail [email protected], und Prof. Dr. Sebastian Neumayer, Telefon +49(0)371 531-36871, E-Mail [email protected]
(Autorin: Anja Otto)
Mario Steinebach
15.05.2025
