Modellreduktion für Bayes’sche Inferenz (A07*)

• Fachliche Zuordnung: Mathematik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 318763901

Bayes'sche Verfahren stellen einen beliebten Ansatz dar, um inverse Probleme zu lösen. Diese Methoden beinhalten jedoch das Realisieren von Zufallsgrößen in hochdimensionalen Räumen oder die Auswertung komplexer Vorwärtsmodelle und sind daher tendenziell rechenaufwendig. In diesem Projekt werden rechnerisch effiziente Bayes'sche Inferenz-Algorithmen entwickelt, die auf Methoden der Modellreduktion und Dimensionsreduktion basieren. Die Auswirkung dieser Methoden auf die Genauigkeit der resultierenden approximativen a-posteriori Verteilung wird untersucht.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1294: Datenassimilation – Die nahtlose Verschmelzung von Daten und Modellen
• Antragstellende Institution: Universität Potsdam
• Teilprojektleiterinnen / Teilprojektleiter: Professorin Dr. Melina Freitag, seit 7/2021; Professor Dr. Han Cheng Lie, seit 7/2021