direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Maschinelles Lernen in weicher Materie und biologischen Systemen

Wir beschäftigen uns mit dem hochaktuellen Thema des Maschinellen Lernens und seiner Anwendung, insbesondere auf aktive Systeme.  Einerseits geht es um die Entwicklung von intelligenten Teilchen oder Schwimmern, die - inspiriert von evolutionären Prozessen der Biologie - lernen, optimal in ihrer komplexen Umgebung zu navigieren; seien es Potentialllandschaften, turbulente Strömungen oder thermische Bewegung. Andererseits lassen sich die Techniken des Maschinellen Lernens auch auf die Auswertung von experimentellen oder Simulationsdaten  anwenden, um zum Beispiel Phasendiagramme zu generieren.

Das Seminar gibt Einblick in mögliche Themen von Bachelor- und Masterarbeiten.

Kontakt:

Mittwochs um 14.15 Uhr im Raum EW 731

Die Vorbesprechung findet in der ersten Vorlesungswoche am 16.10.2019 um 14.15 Uhr im Raum EW 731 statt.

Ab diesem Semester muss die Teilnahme am Seminar bei SAP angemeldet werden!

Vortragstermine:

Datum
Thema
Vortragend
16.10.2019
Einführung
Holger Stark
23.10.2019
Steering pattern formation of viscous flows
Dirk Peschka (WIAS)
30.10.2019
-
06.11.2019
-
13.11.2019
Anwendung von Bestärkendem Lernen auf das Zermelo-Problem
Osamah Sufyan
20.11.2019
Einführung in Maschinelles Lernen
Mischa Putzke
27.11.2019
-
04.12.2019
Effiziente Schwimmstrategien von Fischschwärmen
Vivien Peltason
10.12.2019
Petia Vlahovska (NWU)
18.12.2019
Statistical physics of bacterial chemotaxis
Maximilian Seyrich
08.01.2020
Optimales Navigieren von intelligenten aktiven Teilchen
Stefan Plötz
15.01.2020
Deep Learning for Optical Tracking of Bacteria
Iwan Phillips
22.01.2020
Learning a bacterial phase diagram
Luisa Avilés
29.01.2020
05.02.2020
Vasco Worlitzer (PTB)

Voraussetzungen für einen Seminarschein sind das Halten eines Vortrags und die Abgabe der Präsentation in Form einer pdf-Datei.

Mögliche Vortragsthemen:

    • Maschinelles Lernen für Fluiddynamik und aktive Systeme: eine Einführung
    • Optimales Navigieren von intelligenten aktiven Teilchen
    • Reinforcement learning for microswimmers at low Reynolds numbers
    • Anwendung von bestärkendem Lernen auf das Zermelo-Problem
    • Learning a bacterial phase diagram
    • Deep Learning: Optisches Tracking von Bakterien
    • Effiziente Schwimmstrategien von Fischschwärmen mit bestärkendem Lernen

    Eigene Vorschläge sind nach Absprache herzlich willkommen.

    Zusatzinformationen / Extras