Servicenavigation

Detailseite

Zurück

Projekt Druckansicht

EXC 2064:  Maschinelles Lernen: Neue Perspektiven für die Wissenschaft

Fachliche Zuordnung Informatik
Förderung Förderung seit 2019
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 390727645
 
Maschinelles Lernen verändert die Wissenschaft tiefgreifender, als wir es noch vor wenigen Jahren erwartet hätten. Zwar wurden Methoden des maschinellen Lernens bereits erfolgreich für die Lösung einzelner wissenschaftlicher Probleme eingesetzt, heute scheinen aber noch weitreichendere Möglichkeiten greifbar. “Foundation models”, die mit großen Datensätzen trainiert wurden, stellen Repräsentationen der Daten bereit, die sich für ein breites Aufgabenspektrum eignen und haben die Sprachverarbeitung bereits revolutioniert. “Diffusion models” ermöglichen es, Daten aus komplexen Wahrscheinlichkeitsverteilungen zu erzeugen, und mit modernen Programmierparadigmen können wissenschaftliche Theorien als Teil von Analyseworkflows implementiert werden. Doch die Methoden des maschinellen Lernens haben offensichtliche Mängel mit Blick auf ihre Zuverlässigkeit, Robustheit und Interpretierbarkeit. Vor diesem Hintergrund zielt unser Cluster darauf ab, das maschinelle Lernen weiterzuentwickeln, um das wissenschaftliche Verständnis in einem breiten Spektrum von Disziplinen zu fördern – von der Medizin und den Neurowissenschaften über die Kognitions-, Sprach- und Wirtschaftswissenschaften bis hin zur Physik und den Geowissenschaften – und seine Auswirkungen auf wissenschaftliches Arbeiten besser zu verstehen und zu kontrollieren. Zu diesem Zweck wird sich der Cluster mit vier Forschungsbereichen befassen: (1) Wir werden Algorithmen entwickeln, die in Daten neue Aspekte wissenschaftlicher Gesetze aufdecken. (2) Wir werden Techniken entwickeln, um komplexe Modelle des maschinellen Lernens zu validieren, ihre Unsicherheit zu quantifizieren und potenzielle Fehlerquellen zu identifizieren. (3) Wir werden Methoden bereitstellen, die es Wissenschaftler:innen ermöglichen, alle Phasen des maschinellen Lernprozesses zu kontrollieren. Das schließt bessere Datenrepräsentationen, die Schaffung vereinfachter Schnittstellen zu Algorithmen und die Entwicklung von Werkzeugen zur Analyse trainierter Modelle mit ein. (4) Wir werden untersuchen, wie sich diese Entwicklungen auf die wissenschaftliche Praxis auswirken und wie wissenschaftliche Evidenz beurteilt werden kann. Das Potential unseres Ansatzes werden wir anhand von beispielhaften Herausforderungen aus den Wissenschaften unter Beweis stellen und z. B. Klimamodelle verbessern, Ursachen für Krankheitsverläufe identifizieren und Strukturen gefährdeter Sprachen oder die Dynamik von Quantensystemen aufklären. Dazu haben wir ein interdisziplinäres Team aus 25 herausragenden, international renommierten Forscher:innen zusammengestellt. Sie werden dabei von zentralen Einrichtungen für Hochleistungsrechnen, Softwareentwicklung und Datenmanagement unterstützt. Basierend auf unserem Erfolg in der ersten Förderperiode bauen wir diesen Cluster weiter aus und schaffen mit ihm ein Umfeld für maschinelles Lernen in der Wissenschaft, das in Deutschland, Europa und weltweit seinesgleichen sucht.
DFG-Verfahren Exzellenzcluster (ExStra)
Antragstellende Institution Eberhard Karls Universität Tübingen
 
 

Zusatzinformationen

© 2026 DFG Kontakt / Impressum / Datenschutz

Textvergrößerung und Kontrastanpassung