Beitrag von Helmholtz-Zentrum Hereon

🔬 Die unterschätzte Rolle von #Software in der Wissenschaft: Software spielt eine entscheidende Rolle in der wissenschaftlichen Forschung, bleibt jedoch oft unbemerkt. Ein neuer Artikel beleuchtet die komplexe Beziehung zwischen Modellen, Software und Computational Science. Markus Diesmann, Entwickler von #NEST (https://lnkd.in/eieciC4W) und Forscher am Forschungszentrum Jülich aus Helmholtz Information, diskutiert die vielfältigen Einsatzmöglichkeiten von Software in den Naturwissenschaften. Um die Zukunft zu sichern, müssen wir Kompetenzen im Research Software Engineering (#RSE) aufbauen und wissenschaftliche Software als langfristige Infrastruktur anerkennen. 👉 Lesen Sie das vollständige Interview und entdecken Sie das transformative Potential von Software in der Wissenschaft! (https://lnkd.in/eM6bStbH) #WissenschaftlicheSoftware #ForschungszentrumJülich #ComputationalScience #Innovation #ResearchSoftwareEngineering #HelmholtzInformation #Helmholtz

"Forschungsarbeiten in hochrangigen Journalen" 18.06.2024: Interview mit Martin Horn, Leiter des im vergangenen März ausgelaufenen CD-Labors für Modellbasierte Regelung komplexer Prüfstandssysteme CDG: Könnten Sie uns kurz beschreiben, woran Sie im Labor geforscht haben? Horn: Im CD-Labor nahmen die mathematische Modellierung und die robuste Regelung komplexer dynamischer Systeme eine zentrale Rolle ein. Anwendungsbereiche waren automotive Prüfstände und Produktionsprozesse für moderne und energieeffiziente Halbleiterchips. Um eine hohe Produktqualität zu gewährleisten, müssen Prozessgrößen, wie Druck, Temperatur und Volumenstrom genauestens eingestellt werden. CDG: Was würden Sie als die wichtigsten Erfolge Ihres CD-Labors bezeichnen? Horn: Im Rahmen des CD-Labors konnten Forschungsarbeiten in hochrangigen Journalen und auf wichtigen Konferenzen veröffentlicht werden. Mehrere Mitarbeiter*innen konnten erfolgreich Ihr Doktoratsstudium abschließen, ein Mitarbeiter konnte durch seine Habilitation die Lehrbefugnis an der Technische Universität Graz erwerben. CDG: Was schätzen Sie besonders am Fördermodell der CD-Labors? Horn: Das Fördermodell ist für Universitäten und Firmen sehr attraktiv, denn es bietet es eine unbürokratische Möglichkeit zur längerfristigen Zusammenarbeit. Besonders interessant für Forschungsinstitutionen ist die Vorgabe, dass neben anwendungsbezogenen Aktivitäten auch die Grundlagenforschung eine zentrale Rolle spielen muss. Univ.-Prof. DI Dr. Martin Horn wirkt als Leiter des Instituts für Regelungs- und Automatisierungstechnik und Vizedekan der Fakultät für Elektrotechnik und Informationstechnik an der Technischen Universität Graz, wo er bis zum erfolgreichen Abschluss Ende März 2024 das CD-Labor für Modellbasierte Regelung komplexer Prüfstandssysteme leitete. Weitere Informationen zum CD-Labor: https://lnkd.in/d6sp_jCd (Foto: TU Graz / Lunghammer) #WissenschafftWert #science #research #technology #electronics #automotive #vehicles #cars #digitalisation #digitalization #it #informatics #computerscience #computersciences #simulation #mathematics #dynamic #systems #semiconductor #semiconductors #chips

Von Turingmaschinen zu Quantencomputern 💻 In einer meiner letzten Vorlesungen haben wir die spannende Entwicklung der Quantenmechanik, der klassischen Berechnungstheorie und der Informationstheorie beleuchtet. Besonders beeindruckend war für mich der Vergleich verschiedener Modelle der klassischen Berechnung, darunter die Turingmaschine, endliche Automaten und der Lambda-Systembeschreibung. Ein interessantes Detail: Die Münze als Modell für klassische Berechnungen 💰 Obwohl sie weit davon entfernt ist alle Probleme zu lösen, illustriert sie die Vielfalt der Ansätze in der Berechnungstheorie. Aber was macht ein Modell für die Berechnung universell? Eine Turingmaschine oder der Lambda-Kalkül können beliebige berechenbare Probleme lösen. Endliche Automaten hingegen sind in ihrer Rechenleistung beschränkt. Eine spannende Wendung bietet das Schaltkreismodell (also klassiche Circuits), das für Quantencomputer von zentraler Bedeutung ist. Es erlaubt uns Schaltungen zu entwerfen, die über klassische Grenzen hinausgehen. Eigentlich das Tagesgeschäft eines jeden Elektrotechnikers ⚡ Ein faszinierendes Problem, das wir erörtert haben, ist das sog. Halteproblem: Kann ein Turingprogramm mit einer bestimmten Eingabe aufhören? Obwohl unlösbar mit klassischen Methoden, zeigt das Schaltkreismodell, wie Familien von Schaltungen genutzt werden können, um solche unberechenbaren Informationen zu verbergen – ein Ansatz, der uns an die Grenzen der theoretischen Informatik führt. Warum aber bevorzugte Turing das Modell der Turingmaschine gegenüber Schaltkreisen? Die Antwort liegt in der Flexibilität: Schaltkreise sind für feste Eingabegrößen konzipiert, während Turingmaschinen universeller und anpassungsfähiger sind. Viele Physiker erkannten schnell, dass die praktische Umsetzung der Quanten-Turingmaschine extrem schwierig wäre. Dagegen erwiesen sich Quanten-Schaltkreise als machbarer, wenn auch herausfordernd 🔝 Heute sehen wir die Früchte dieser Arbeit: Quantencomputer mit 50 Qubits, die stabile kohärente Superpositionen aufrechterhalten. Während noch niemand eine vollständige Quanten-Turingmaschine gebaut hat, zeigt der Fortschritt in der Schaltkreistechnologie, dass wir auf dem richtigen Weg sind. Genau das unterstreicht die Bedeutung der theoretischen Modelle in der Informatik und deren Einfluss auf die praktischen Anwendungen. Als Ingenieur und Berater im Satellitensystembereich fasziniert mich die Brücke zwischen Theorie und Praxis besonders. Solche Erkenntnisse motivieren mich, weiter an den Grenzen des Möglichen zu arbeiten und die Zukunft der Technologie mitzugestalten 🛰 #QuantumComputing #Informatik #Technologie #Innovation Quelle: https://lnkd.in/dQf64q9F

#Lichtmikroskopie: #Computermodell ermöglicht bessere Bilder Ein neues Rechenmodell für die computergestützten #Bildverarbeitung bei der Auswertung lichtmikroskopischer Aufnahmen, das von Forschern des Center for Advanced Systems Understanding (CASUS) at HZDR am Helmholtz-Zentrum Dresden-Rossendorf (HZDR) und des MAX-DELBRUECK-CENTER FOR MOLECULAR MEDICINE (MDC) auf der Grundlage einer spezifischen Deep-Learning-Architektur entwickelt wurde, ist schneller als herkömmliche Modelle und erreicht dabei die gleiche oder sogar eine bessere Bildqualität. Das Modell nennt sich Multi-Stage Residual-BCR Net (m-rBCR) und wurde speziell für Mikroskopieaufnahmen entwickelt. Es wurde zunächst auf der alle zwei Jahre stattfindenden European Conference on Computer Vision (ECCV) vorgestellt, der wichtigsten Tagung im Bereich Maschinelles Sehen und Lernen. Mittlerweile ist auch die entsprechende Fachpublikation verfügbar. https://lnkd.in/eXutQzJ3 Artur Yakimovich, PhD 🇺🇦☮️ #maschinellesLernen

Das Gauss Centre for Supercomputing, zu dem auch das LRZ, gehört, startet gerade seinen Aufruf für #Forschungsprojekte, die Unterstützung von #Supercomputer(n) brauchen. Bis 17. Februar sollten die Konzepte über das Rechen-Vorhaben vorliegen: Anträge können Forscher:innen von deutschen Hochschulen und Forschungseinrichtungen stellen, gesucht werden insbesondere Vorhaben, die viel #Rechenzeit benötigen, um große Datenmengen zu modellieren und zu bewerten. Mehr: https://lnkd.in/guqNmMYd Bayerische Forschungsallianz (BayFOR) GmbH, Deutsche Forschungsgemeinschaft (DFG) - German Research Foundation, Hochschule Bayern e.V., Universität Bayern e.V., Virtuelle Hochschule Bayern (vhb), Technische Universität München, Ludwig-Maximilians-Universität München, Hochschule München, Technische Hochschule Deggendorf, Erlangen National High Performance Computing Center (NHR@FAU), German National Research Data Infrastructure (NFDI) HLRS - Höchstleistungsrechenzentrum Stuttgart, Forschungszentrum Jülich

Was ich heute zum Thema #Technologie und #Innovation lese. Ein Beitrag von #: Computing und KI: Die Trends in 2025 - Protector Bestimmt relevant für einige Kollegen bei #Schattdecor und #MyMineralMix !

📣 Seien Sie dabei! 🚀 An diesem Donnerstag (06.06.24 um 10:00) halte ich einen Vortrag bei der SurfaceTechnology GERMANY Messe (Halle 1, StandH21) und werde folgende Themen diskutieren: -Wie können Prozesse mit einfachen Machine Learning Modellen analysiert werden und wie können wir damit Energie- oder Materialeffizienz stärken? -Was steckt eigentlich hinter einem datenbasierten Modell? Wie sieht das Backend bzw. ein Python-Skript aus? -Erklärbare KI: wie können wir wissen, auf welcher Basis ein KI-Modell eine Entscheidung getroffen hat? Projekt: KI-InGatec, Projektträger: DLR Projektträger Förderung: Bundesministerium für Bildung und Forschung, Förderkennzeichen 01IS22014A-E. #surfacetechnology #surface2024 #surfacetechnologymesse #forschung #entwicklung #fue #rd #automation #ki #machinelearning #energie #engagement #digitalisierung #Oberflächentechnik #Galvanik #Galvanotechnik #Oberflächenbeschichtung #Beschichtung #Industrie4 #FuE #RD #Innovation

Mit geeigneten #ML/ #KI und in Zukunft auch durch #Quantencomputing gestützten Modellen und Verfahren können schneller, präziser und effizienter als bisher Systeme entwickelt und betrieben und Analysen durchgeführt werden. Gemeinsam mit der Universität Augsburg hat mein #FraunhoferIIS Team für #DataAnalytics im Rahmen des #MunichQuantumValleys das Leuchtturmprojekt KID-QC^2 gestartet. Ziel des Projekts ist, durch die Erforschung von Methoden der Künstlichen Intelligenz (KI) die Leistungsfähigkeit von# Quantencomputern zu steigern. Am Beispiel der #Simulation und Vorhersage von Eigenschaften und Reaktionen #quantenchemischer Molekülzusammenhänge soll die Nutzung von Quantenhardware untersucht und optimal genutzt werden und zwar dort, wo bei Simulationsprozessen oder Vorhersagen eine präzise mathematische #Modellierung schwierig bzw. unmöglich ist und die Erzeugung von Daten aber mit geringem Aufwand durchgeführt werden kann. Wer mehr zu unseren Forschungsaktivitäten erfahren möchte, findet hier mehr: https://lnkd.in/eiUDu77H Axel PlingeDaniel Scherer

#Schnittstellen sind die Verbindung von Systemen mit unterschiedlichen physikalischen, elektrischen und mechanischen Eigenschaften. Kerstin Thurow erklärt in diesem 13. Teil ihrer #Serie über #Laborautomation, was es zu beachten gilt, um eine optimale Verbindung zwischen unterschiedlichen Systemen zu erstellen. Alle Beiträge der Reihe finden Sie in folgender Sammlung: https://lnkd.in/eja6UA3u #netzwerk #analog #digital #parallel

Was ich heute zum Thema #Technologie und #Innovation lese. Ein Beitrag von #: Verbesserte Gesichtserkennung: Harvard-Technologie macht den Unterschied - t3n Bestimmt relevant für einige Kollegen bei #Schattdecor und #MyMineralMix !