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 ein aber auch neue Anwendungsgebiete der Datenassimilation wie die Biophysik, die Kognitionswissenschaften und die Pharmakologie.

• DFG-Verfahren: Sonderforschungsbereiche
• Internationaler Bezug: Frankreich

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 (Teilprojektleiter Blanchard, Gilles ;  Huisinga, Wilhelm ;  Lie, Han Cheng ;  Reiß, Markus )
• A06 - Approximative Bayes’sche Schätzung und Modellauswahl für stochastische Differentialgleichungen (Teilprojektleiter Opper, Manfred ;  Reich, Sebastian ;  Spokoiny, Vladimir )
• A07 - Modellreduktion für Bayes’sche Inferenz (Teilprojektleiterinnen / Teilprojektleiter Freitag, Melina ;  Lie, Han Cheng )
• B02 - Inferenz von Modellen zur Beschreibung amöboider Zellbewegungen (Teilprojektleiter Beta, Carsten ;  Holschneider, Matthias ;  Huisinga, Wilhelm )
• B03 - Parameterschätzung und Modellvergleich für dynamische Kognitionsmodelle (Teilprojektleiter Engbert, Ralf ;  Reich, Sebastian )
• B04 - Parametrische und nicht-parametrische Modellierung raumzeitlicher Änderungsmuster in Hawkes-Prozess-Modellen für Seismizität (Teilprojektleiter Holschneider, Matthias ;  Reich, Sebastian ;  Zöller, Gert )
• B06 - Neue Methoden für die Datenassimilation von hochvariablen und dynamischen Ringstrom-Populationen (Teilprojektleiterinnen / Teilprojektleiter 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 Huisinga, Wilhelm ;  Opper, Manfred ;  De Wiljes, Jana )
• 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 )
• MGK - Integriertes Graduiertenkolleg (Teilprojektleiterinnen / Teilprojektleiter Freitag, Melina ;  Huisinga, Wilhelm ;  Roelly, Sylvie )
• Z01 - Zentrale Aufgaben des SFB (Teilprojektleiter Reich, Sebastian )

Abgeschlossene Projekte

• A05 - Kombinierte nicht-parametrische statistische und wahrscheinlichkeits- theoretische Methoden für die Inferenz von Punktwolkendaten (Teilprojektleiterinnen / Teilprojektleiter Blanchard, Gilles ;  Roelly, Sylvie )
• B05 - Aufmerksamkeitsauswahl und Erkennung bei der Betrachtung von Bildern (Teilprojektleiter Engbert, Ralf ;  Scheffer, Tobias )

• Antragstellende Institution: Universität Potsdam
• Beteiligte Hochschule: Humboldt-Universität zu Berlin; Otto-von-Guericke-Universität Magdeburg; Technische Universität Berlin
• Beteiligte Institution: Helmholtz-Zentrum Potsdam - Deutsches GeoForschungsZentrum (GFZ); Weierstraß-Institut für Angewandte Analysis und Stochastik (WIAS); Leibniz-Institut im Forschungsverbund Berlin e. V.
• Sprecher: Professor Dr.-Ing. Sebastian Reich