SFB 1294:  Datenassimilation – Die nahtlose Verschmelzung von Daten und Modellen

• Fachliche Zuordnung: Mathematik
• Förderung: Förderung seit 2017
• Webseite: Zur Homepage
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 318763901

Die nahtlose Integration großer Datenmengen in komplexe Computermodelle bildet eine der großen Herausforderungen der mathematischen Wissenschaften im 21. Jahrhundert. Die Verschmelzung von Daten und Modellen wird Datenassimilation genannt, falls die Computermodelle auf Evolutionsgleichungen beruhen und die Daten zeitlich strukturiert sind. Die Assimilation von Daten in Computermodelle dient einem breitem Spektrum von Zwecken, welches von der Kalibrierung von Modellen über Modellvergleiche bis hin zur Entwicklung neuer Modelle reicht. Das Gebiet der Datenassimilation ist durch Anwendungen in der Meteorologie, Hydrologie und Rohstoffsuche vorangetrieben worden. Eine theoretische Untermauerung existierender Algorithmen fehlt jedoch weitestgehend. Weiterhin erfordern neue Anwendungen in der Biologie, Medizin und den Kognitions- und Neurowissenschaften neuartige Assimilationstechniken. Es sind daher die zwei Hauptziele des SFB: 1) systematisch Methoden zur Datenassimilation zu entwickeln und 2) deren Effizienz und Robustheit am Beispiel etablierter und neuer Anwendungsgebiete zu demonstrieren. Der SFB ergänzt die Bayes’sche Sichtweise auf die Datenassimilation durch eine allgemeine statistische Herangehensweise an die innewohnenden Inferenzprobleme. Wesentliche Herausforderungen ergeben sich sowohl aus der Hochdimensionalität und Nichtlinearität der Modelle als auch der nicht-Gaußschen Statistik der Daten. Die Anwendungsbereiche des SFB schließen die Geowissenschaften (Weltraumphysik, Seismologie und Hydrologie) ein aber auch neue Anwendungsgebiete der Datenassimilation wie die Biophysik, die Kognitionswissenschaften und die Pharmakologie.

• DFG-Verfahren: Sonderforschungsbereiche

Laufende Projekte

• A01 - Statistik von stochastischen partiellen Differentialgleichungen (SPDEs) (Teilprojektleiterinnen / Teilprojektleiter Beta, Carsten ;  Reiß, Markus ;  Roelly, Sylvie ;  Stannat, Wilhelm )
• A02 - Langzeit-Stabilität und Genauigkeit von Ensemble-transformationsbasierten Filteralgorithmen (Teilprojektleiterinnen / Teilprojektleiter Reich, Sebastian ;  Stannat, Wilhelm ;  De Wiljes, Jana )
• A03 - Sequentielles und adaptives Lernen unter abhängigen und Nicht-Standard Zielfunktionen (Teilprojektleiterinnen / Teilprojektleiter Blanchard, Gilles ;  Carpentier, Alexandra ;  De Wiljes, Jana )
• A04 - Nichtlineare statistische inverse Probleme mit zufälligen Beobachtungen (Teilprojektleiterinnen / Teilprojektleiter Blanchard, Gilles ;  Freitag, Melina ;  Huisinga, Wilhelm ;  Lie, Han Cheng ;  Reiß, Markus ;  Stankewitz, Bernhard )
• A07 - Datenbasierte Modellreduktion für stochastische Dynamiken (Teilprojektleiterinnen / Teilprojektleiter Freitag, Melina ;  Hartung, Niklas ;  Lie, Han Cheng ;  Redmann, Martin )
• B03 - Blickdynamiken und Verstärkungslernen bei der Pawlowschen Konditionierung (Teilprojektleiterinnen / Teilprojektleiter Carpentier, Alexandra ;  Engbert, Ralf ;  Reich, Sebastian ;  Schad, Daniel )
• B04 - Punkt-Prozess-Modellierung von Seismizität: Deaggregation und Modellreduktion (Teilprojektleiter Hainzl, Sebastian ;  Holschneider, Matthias ;  Reich, Sebastian ;  Zöller, Gert )
• B06 - Rekonstruktion und Vorhersage der erdnahen Strahlungsumgebung mit Hilfe von Dimensionsreduktion (Teilprojektleiterinnen / Teilprojektleiter Freitag, Melina ;  Shprits, Ph.D., Yuri ;  Stolle, Claudia ;  De Wiljes, Jana )
• B07 - Inferenz der Dynamik aktiver Teilchen mittels Datenassimilation (Teilprojektleiter Beta, Carsten ;  Großmann, Robert ;  Opper, Manfred )
• B08 - Verstärkendes Lernen und Datenassimilation für kontinuierliches Lernen in der Individualisierung von Arzneimitteltherapien (Teilprojektleiterinnen / Teilprojektleiter Hartung, Niklas ;  Huisinga, Wilhelm ;  Opper, Manfred ;  De Wiljes, Jana )
• B10 - Bayes’scher Deep Learning-Ansatz zur Untersuchung von NichtGaußianität, Korrelationen und Change-Points in zellgetriebenem Transport (Teilprojektleiter Beta, Carsten ;  Metzler, Ralf )
• B11 - Verstehen der zeitlich veränderlichen Eigenschaften des Erdsystems durch Datenassimilation (Teilprojektleiter Reich, Sebastian ;  Wagener, Thorsten )
• MGK - Integriertes Graduiertenkolleg (Teilprojektleiterinnen / Teilprojektleiter Freitag, Melina ;  Huisinga, Wilhelm ;  Roelly, Sylvie )
• Z01 - Zentrale Aufgaben des SFB (Teilprojektleiterinnen / Teilprojektleiter Freitag, Melina ;  Reich, Sebastian )

Abgeschlossene Projekte

• A05 - Kombinierte nicht-parametrische statistische und wahrscheinlichkeits- theoretische Methoden für die Inferenz von Punktwolkendaten (Teilprojektleiterinnen / Teilprojektleiter Blanchard, Gilles ;  Roelly, Sylvie )
• A06 - Approximative Bayes’sche Schätzung und Modellauswahl für stochastische Differentialgleichungen (Teilprojektleiter Opper, Manfred ;  Reich, Sebastian ;  Spokoiny, Vladimir )
• B02 - Inferenz von Modellen zur Beschreibung amöboider Zellbewegungen (Teilprojektleiter Beta, Carsten ;  Holschneider, Matthias ;  Huisinga, Wilhelm )
• B05 - Aufmerksamkeitsauswahl und Erkennung bei der Betrachtung von Bildern (Teilprojektleiter Engbert, Ralf ;  Scheffer, Tobias )
• B09 - Modellierung von Hirnsignalen bei der Sprachverarbeitung mit künstlichen neuronalen Netzen (Teilprojektleiterinnen / Teilprojektleiter Rabovsky, Milena ;  Reich, Sebastian )
• INF - Informationsinfrastrukturen für die Datenassimilation (Teilprojektleiterinnen / Teilprojektleiter Engbert, Ralf ;  Lucke, Ulrike ;  Scheffer, Tobias )

• Antragstellende Institution: Universität Potsdam
• Beteiligte Hochschule: Humboldt-Universität zu Berlin; Technische Universität Berlin; Technische Universität Ilmenau; Universität Rostock
• Beteiligte Institution: GFZ Helmholtz-Zentrum für Geoforschung; HMU Research, Development und Innovation gGmbH (HMU RDI)
• Sprecherinnen / Sprecher: Professorin Dr. Melina Freitag, seit 1/2025; Professor Dr.-Ing. Sebastian Reich, bis 12/2024