Page Content
to Navigation
There is no English translation for this web page.
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:
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 | Active Colloidal Fluids | 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.