Science - L3S Research Center

Die Anwendungsmöglichkeiten und das Potential von KI in der Wissenschaft sind enorm. KI hilft nicht nur dabei, vorhandenes Wissen besser auffindbar und leichter verfügbar zu machen. KI ist auch von unschätzbarem Wert bei der Suche nach neuen Materialien, chemischen Verbindungen und biologischen Wirkstoffen, etwa um Solarenergie effizienter nutzen oder Medikamente gegen neu auftretende Krankheitserreger entwickeln zu können. Dabei stehen Wissenschaftler vor großen Herausforderungen: Sie haben chemisch und biologisch nahezu unendlich viele Möglichkeiten. Solche Entdeckungen erfordern eine durchgängige KI-gestützte Automatisierung – von der Versuchsplanung bis zur Durchführung und Analyse.

Die heutigen computergestützten Lernsysteme sind noch nicht in der Lage, das volle Potenzial der KI-gestützten Material-, Chemie-, Umwelt- und Biowissenschaften auszuschöpfen. Wir brauchen neue KI-Methoden, die sowohl komplexe Phänomene vorhersagen als auch Einblicke in die zugrundeliegenden Prozesse geben können. Solche Methoden werden die Grundlage sein, um maßgeschneiderte Systeme zu entwickeln, die in der Lage sind, die großen globalen Herausforderungen in den Bereichen Gesundheit und Umwelt zu bewältigen. Am L3S wird an den notwendigen KI-Methoden geforscht.

A

AERIALIST

Ein europäisches Doktorandennetzwerk zur Entwicklung intelligenter und assistiver Gesundheitstechnologien für den Einsatz in unbeaufsichtigten oder häuslichen Umgebungen.

C

Conditional Coding for Learned Image and Video Compression

Bedingte Codierung zur lernbasierten Bild- und Videokompression

Dieses Projekt behandelt die lernbasierte Videocodierung mit einem auf Meta-Learning basiertem Verfahren zur Regularisierung und dynamischen Anpassung des Decoders.

F

FoDaHemm

FoDaHemm

Das Projekt FoDaHemm zielt darauf ab, Hindernisse für den Datenschutz in Forschungsprojekten abzubauen, indem es das Spannungsverhältnis zwischen dem Recht auf informationelle Selbstbestimmung und der Freiheit der Forschung untersucht.

G

GRAPHIA

GRAPHIA zielt darauf ab, einen umfassenden SSH Knowledge Graph (KG) zu entwickeln, der verstreute Daten in einen einheitlichen Zugangspunkt integriert und die Datenvisualisierung und - analyse verbessert.

H

Hooray

Hooray

Untersuchung des Potenzials von kopfgetragenen MEMS-Mikrofonarrays und Deep Learning zur dynamischen Schallquelllenlokalisation

I

ixAutoML

Automatisches maschinelles Lernen durch Interaktivität und Erklärbarkeit menschengerechter gestalten.

L

LUMEN

LUMEN

Das LUMEN-Projekt ist eine bahnbrechende Initiative zur Verbesserung der bereichsübergreifenden Zusammenarbeit und Entdeckung in den Bereichen Mathematik, Sozial- und Geisteswissenschaften (SSH), Erdsystem (ES) und Molekulardynamik (MD).

N

NFDI4 Data Science

NFDI4 Data Science

NFDI4 Data Science zielt darauf ab, eine nationale Forschungsdateninfrastruktur in Deutschland zu etablieren, die alle Phasen des interdisziplinären Forschungsdatenlebenszyklus für Data Science und Künstliche Intelligenz unterstützt.

O

Online Optimierung

Online Optimierung

Ziel des Projekts ist die Entwicklung und Untersuchung von Kontrollverfahren auf der Basis konvexer Online-Optimierung (OCO) für allgemeine Kostenfunktionen und Nebenbedingungen, ohne dabei auf restriktive Annahmen angewiesen zu sein.

P

PRAD

PRAD

Personen- und Umgebungserkennung auf Basis von Radarsignalen.

PlanOS

Das PlanOs Projekt dient der Entwicklung von großflächigen Sensornetzwerken in dünnen Polymerfolien zur Dehnungs- und Formmessung mit hoher Effizienz, niedrigen Kosten und hoher Auflösung.

R

RUSHMORE

Mobilitätsdaten, synthetische Datengenerierung und übertragbare raumzeitliche Machine-Learning-Modelle

RoGeRL

RoGeRL verbessert die Leistung, Robustheit und Generalisierbarkeit von Reinforcement Learning Algorithmen durch neue AutoML Lösungen speziell für diesen Einsatzbereich.

Robotics Lab

Robotics Lab

Das Robot Learning Lab des L3S arbeitet an der Grundlagenforschung zur Entwicklung zunehmend autonomer Assistenzsysteme.

Reflect AI

Reflect AI

Das Projekt zielt darauf ab, hybride Modelle künstlicher Intelligenz zu entwickeln, die kunsthistorisches Fachwissen und Wissensgraphen nutzen, um die Bewertung von Bildähnlichkeiten in der Kunstgeschichte zu verbessern.

U

USWA

USWA

The objectives of the USWA project are the development of a network simulator for URLLC in a mesh network and the development of a SDR for DECT-2020 NR.