MULTIMODE: Methoden und Werkzeuge für die Analyse und den Entwurf multimodaler stochastischer Systeme
Zusammenfassung der Projektergebnisse
Im Rahmen des Projekts „MULTIMODE“ wurden bedeutende Fortschritte in der stochastischen Modellierung und Simulation erzielt, insbesondere bei der Analyse von Markovschen Populationsmodellen. Die entwickelten Algorithmen zur Reduzierung der Varianz in stochastischen Simulationen und zur effizienten Trunkierung von Zustandsräumen ermöglichen es, komplexe Systeme präziser und schneller zu analysieren. Diese Methoden sind nicht nur theoretisch von Bedeutung, sondern bieten auch praktische Anwendungen in Bereichen wie der Biotechnologie und der Systembiologie, wo sie zur Optimierung von Produktionsprozessen und zur Entwicklung neuer biologischer Systeme eingesetzt werden könnten. Ein weiteres Highlight des Projekts war die Anwendung dieser Methoden auf die Modellierung der COVID-19- Pandemie. Hier konnten die entwickelten Werkzeuge dazu beitragen, die Dynamik der Virusausbreitung besser zu verstehen und potenzielle Maßnahmen zur Eindämmung der Pandemie zu bewerten. Während des Projekts traten einige unerwartete Herausforderungen auf. Eine der größten Überraschungen war der zusätzliche Forschungsaufwand, der durch die dringende Notwendigkeit entstand, Modelle zur Analyse der COVID-19-Pandemie zu entwickeln. Diese Arbeit war zwar ursprünglich nicht im Projektplan enthalten, führte jedoch zu wertvollen Erkenntnissen, die sowohl wissenschaftlich als auch gesellschaftlich von großer Bedeutung sind. Eine weitere Überraschung war die hohe Effizienz der entwickelten Algorithmen zur Varianzreduktion in stochastischen Simulationen, die die Erwartungen weit übertroffen haben. Diese Methoden konnten die Anzahl der benötigten Simulationsläufe erheblich reduzieren und bieten daher großes Potenzial für zukünftige Anwendungen.
Projektbezogene Publikationen (Auswahl)
-
Bounding First Passage Times in Chemical Reaction Networks. Lecture Notes in Computer Science, 379-382. Springer International Publishing.
Backenköhler, Michael; Bortolussi, Luca & Wolf, Verena
-
Control Variates for Stochastic Simulation of Chemical Reaction Networks. Lecture Notes in Computer Science, 42-59. Springer International Publishing.
Backenköhler, Michael; Bortolussi, Luca & Wolf, Verena
-
Bounding Mean First Passage Times in Population Continuous-Time Markov Chains. Lecture Notes in Computer Science, 155-174. Springer International Publishing.
Backenköhler, Michael; Bortolussi, Luca & Wolf, Verena
-
Importance of Interaction Structure and Stochasticity for Epidemic Spreading: A COVID-19 Case Study. Lecture Notes in Computer Science, 211-229. Springer International Publishing.
Großmann, Gerrit; Backenköhler, Michael & Wolf, Verena
-
Abstraction-Guided Truncations for Stationary Distributions of Markov Population Models. Lecture Notes in Computer Science, 351-371. Springer International Publishing.
Backenköhler, Michael; Bortolussi, Luca; Großmann, Gerrit & Wolf, Verena
-
Analysis of Markov Jump Processes under Terminal Constraints. Lecture Notes in Computer Science, 210-229. Springer International Publishing.
Backenköhler, Michael; Bortolussi, Luca; Großmann, Gerrit & Wolf, Verena
-
Analysis of Markovian population processes. PhD Thesis, Saarland University
Backenköhler, M.
-
Variance Reduction in Stochastic Reaction Networks Using Control Variates. Lecture Notes in Computer Science, 456-474. Springer Nature Switzerland.
Backenköhler, Michael; Bortolussi, Luca & Wolf, Verena
