Visuelle Analyse von Mehrlauf-Mehrfeld-Simulationsdaten

• Antragsteller: Professor Dr.-Ing. Lars Linsen
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2014 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 260446826

Numerische Simulationen von räumlich-zeitlichen Phänomenen sind weitverbreitet in Natur- und Ingenieurwissenschaften, um theoretische Modelle zu testen und Vorhersagen zu machen. Solche Simulationen hängen normalerweise von einer Anzahl an Eingabeparametern und Startbedingungen ab. Da die genaue Einstellung der Eingabeparameter oft unbekannt oder ihr Einfluss Teil der Untersuchungen ist, führen Forscher eine größere Anzahl an Simulationsläufen mit verschiedenen Parametereinstellungen durch. Daher ist die Gesamtausgabe der Simulationsläufe üblicherweise mehrere Läufe multivariater zeitveränderlicher volumetrischer Simulationsdaten (oder kurz Mehrlauf-Mehrfeld-Daten). Die Analyse solcher Daten ist eine Herausforderung wegen ihrer komplexen Struktur mit mehreren Facetten (d.h., mehrlauf, multivariat, raumzeitlich) und auch wegen ihrer großen Datenmenge, die signifikant jenseits der Primärspeicherkapazitäten liegt. In der ersten Förderperiode haben wir ein Gesamtkonzept für die interaktive visuelle Analyse von Mehrlauf-Mehrfeld-Daten entwickelt, das alle Facetten berücksichtigt. In der zweiten Förderperiode wollen wir das Konzept in mehreren Aspekten erweitern: Um das Zusammenspiel der Eingabeparameter zu erforschen, soll deren Analyse auf höher-dimensionaler Parameterräume verallgemeinert werden. Da zudem die Generierung von neuen Simulationsläufen oft aufwendig ist, wollen wir Resultate neuer Simulationsläufe (approximativ) vorhersagen, wobei wir die Unsicherheiten der Vorhersage abschätzen und visualisieren wollen, was zum Computational Steering verwendet werden kann. Neben den bisherigen globalen Vergleichen von raumzeitlichen Simulationsläufen sind auch räumlich lokale Korrelationen und Kausalitäten von Interesse, deren Analyse über das gesamte Ensemble wir nun ebenfalls anstreben. Zuletzt wollen wir auch einen Abgleich des gesamten Simulationsensembles mit gemessenen Daten integrieren. Diese Erweiterungen bauen auf den bereits entwickelten interaktiven visuellen Analysemethoden auf, aber erlauben neue Erkenntnisse und werden die Wirkkraft unseres Konzepts für die Analyse von Mehrlauf-Mehrfeld-Daten signifikant erhöhen.

• DFG-Verfahren: Sachbeihilfen