KI-Server für Anwendungen in der Medizinphysik

• Fachliche Zuordnung: Teilchen, Kerne und Felder ; Physik der kondensierten Materie
• Förderung: Förderung in 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 569432750

Medizinphysik ist ein Beispiel für einen Forschungsbereich, in dem große Mengen an Daten gesammelt und analysiert werden. Die Daten stammen aus einer Vielzahl von Quellen und umfassen 2D- und 3D-Bilder aus verschiedenen bildgebenden Verfahren wie Magnetresonanztomographie oder Computertomographie sowie Daten aus 3D-Dosisverteilungen und Simulationen. Zu den typischen Aufgaben gehören Regression und Klassifizierung sowie Optimierung und numerische Berechnungen. In vielen Fällen werden diese Aufgaben mit Hilfe von KI-Methoden gelöst. Aufgrund der großen Datenmengen und der hohen Komplexität der verwendeten Methoden ist für die Lösung dieser Aufgaben eine entsprechend hohe Rechenleistung erforderlich. Experimentelle Teilchenphysik und Medizinphysik, insbesondere die Strahlentherapie, stehen vor ähnlichen Herausforderungen im Bereich der Datenanalyse. In der Teilchenphysik stammen die Daten oft aus großen Experimenten mit Millionen von Auslesekanälen und hohen Datenraten. Sie stammen auch aus der Simulation solcher Experimente und der Berechnung von theoretischen Vorhersagen. Während sich die Energien der Teilchen und die Größenordnung der Versuchsaufbauten in diesen beiden Bereichen deutlich unterscheiden, sind die Aufgaben bei der Analyse der Daten weitgehend dieselben. Das sich daraus ergebende große Potenzial für Synergien zwischen den beiden Bereichen, zum Beispiel bei der Entwicklung von Ersatzmodellen, Klassifizierungsproblemen und anderen statistischen Ansätzen, soll hier genutzt werden. Der zu beschaffende KI-Server besteht aus mehreren Grafikprozessoren (GPU) mit Tensor-Core-Technologie, die mit ultraschnellen Switches und großem Video-Random-Access-Memory (VRAM) verbunden sind. Eine solche Konfiguration ist der Schlüssel zum Training moderner KI-Algorithmen mit komplexen Architekturen und angemessenen Batchgrößen. Sie ermöglicht die Untersuchung der Hyperparameter der Algorithmen und führt so zu einer optimalen Performanz der Modelle und der verwendeten Daten. In der Medizinphysik wird der KI-Server beispielsweise zur Entwicklung von Ersatzmodellen in Simulationen für Dosisvorhersagen, zur Berechnung von Dosisverteilungen auf MRT-Bildern und zur Verarbeitung von (komplexwertigen) dreidimensionalen Bilddaten eingesetzt. Während das Training hochpräziser Modelle bekanntermaßen ressourcenintensiv ist, lassen sich ihre Vorhersagen selbst bei komplexen Anwendungen mit geringem Aufwand leicht berechnen. Dies kann für reale Anwendungen von entscheidender Bedeutung sein, z. B. für die Online-Anpassung der Behandlung in der Strahlentherapie. Anwendungsbeispiele in der Teilchenphysik mit hohem Synergiepotenzial sind die Klassifizierung verschiedener Prozessklassen, das Sampling hochdimensionaler Räume und die Verbesserung von Monte-Carlo-Generatoren. Der Server wird das volle Potenzial der Methoden und Daten ausschöpfen, um neue Einblicke in medizinphysikalische Anwendungen zu gewinnen und ausgewählte Fragen der Teilchenphysik zu beantworten.

• DFG-Verfahren: Forschungsgroßgeräte
• Großgeräte: KI-Server für Anwendungen in der Medizinphysik
• Gerätegruppe: 7030 Dedizierte, dezentrale Rechenanlagen, Prozeßrechner
• Antragstellende Institution: Technische Universität Dortmund
• Leiter: Professor Dr. Kevin Kröninger