Knowledge Discovery in der Plasmaforschung

Maxwell Felder

In Zusammenarbeit mit dem Max-Planck-Institut für Plasmaphysik bestand die Aufgabe darin, statistische Modelle mit physikalischen Gleichungen zu verknüpfen, um aus experimentellen Daten neue Erkenntnisse zu gewinnen – auch bekannt als Knowledge Discovery in Databases. Ziel war es, Vorhersagen zu entwickeln, die auf Messungen basieren und gleichzeitig den physikalischen Gesetzen folgen.

Effiziente Berechnung von Vorhersagen
durch High-Performance-Computing

Wir entwickelten ein Gaussprozesseregressionsverfahren, das symbolische Berechnungen mit numerischen Hochleistungsalgorithmen kombiniert. Dieses Verfahren ermöglicht es, Vorhersagen zu treffen, die den physikalischen Differentialgleichungen gerecht werden. Die Implementierung ist so ausgelegt, dass sie auf Hochleistungsrechnern (HPC) skaliert und auf AWS-Instanzen ausgeführt werden kann, um eine schnelle und effiziente Berechnung zu gewährleisten.

  • Gaussprozessse
  • Differentialgleichungen
  • JAX
  • Dask
  • scipy
  • Paraview
  • Hochleistungsrechnen
  • Computeralgebra
  • gap
  • sympy
Magnetisches und elektrisches Feld eines stromdurchflossenen Leiters

Neue Einsichten in experimentelle Daten durch moderne Rechenmethoden

Durch die Implementierung des skalierbaren Gaussprozessmodells konnten physikalische Vorhersagen erfolgreich mit hoher Präzision getroffen werden. Die Kombination von symbolischen und numerischen Berechnungen ermöglichte es, komplexe Differentialgleichungen effizient zu lösen. Dank der Skalierbarkeit auf Hochleistungsrechnern (HPC) wurden schnelle und verlässliche Ergebnisse erzielt. Dies führte zu neuen Einsichten – Knowledge Discovery – in experimentelle Daten, indem statistische Methoden mit physikalischen Modellen verknüpft wurden.

  • Skalierbares Gaussprozessmodell für präzise physikalische Vorhersagen
  • Effiziente Lösung komplexer Differentialgleichungen
  • Schnelle Ergebnisse durch HPC-Skalierung
  • Neue Einsichten durch Verknüpfung von Statistik und Physik

Johannes Riesterer, zuständig für Forschung und Entwicklung im Bereichen Algorithmen

Ihr Ansprechpartner

Dr. Johannes Riesterer

Softwareentwicklung und Mathematik
+49 (0) 721 46711193
johannes.riesterer@studiofluffy.com