Deep-Learning-basierte Parameterschätzung von hochaufgelösten mathematischen Modellen zur Analyse, Vorhersage und Kontrolle von COVID-19

• Antragsteller: Professor Dr. Gordon Pipa, seit 5/2023
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik ; Mathematik ; Rechnerarchitektur, eingebettete und massiv parallele Systeme ; Statistische Physik, Nichtlineare Dynamik, Komplexe Systeme, Weiche und fluide Materie, Biologische Physik
• Förderung: Förderung von 2021 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492349907

• Erstellungsjahr: 2024

Zusammenfassung der Projektergebnisse

The Core Goal of the project was to provide a fully data-driven analysis and forecast of spatialtemporal dynamics, with an improved spatial resolution that will enable decision-makers to judge the current and predicted dynamics, to assess the reliability and possible variations of the predictions, plan and adjust regulation to control the outbreak. We achieved this goal during the project time and did not have to adjust any subgoal. We demonstrated an improvement by including different scales and identified key constrains for future applications. The results and code are available to the public, and we are in the final phase of preparing the publication.

Projektbezogene Publikationen (Auswahl)

• Learning COVID-19 Regional Transmission Using Universal Differential Equations in a SIR Model
  Rojas-Campos, A., Stelz, L. & Nieters, P.