idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Methoden des maschinellen Lernens und der statistischen Datenanalyse sollen Auswertung riesiger Datenmengen in der Atmosphärenphysik ermöglichen
Die Carl-Zeiss-Stiftung fördert das Projekt „Big Data in Atmospheric Physics (BINARY)“ an der Johannes Gutenberg-Universität Mainz (JGU) mit 1,5 Millionen Euro. Die Grundidee dieses interdisziplinären Vorhabens von Atmosphärenphysik und Informatik ist es, moderne Methoden der statistischen Datenanalyse und des maschinellen Lernens auf Problemstellungen in der Atmosphärenphysik anzuwenden. Beteiligt sind Wissenschaftler aus den Instituten für Physik der Atmosphäre und für Informatik der JGU. Das Projekt ist im vergangenen März gestartet und wird von Prof. Dr. Peter Spichtinger aus dem Institut für Physik der Atmosphäre koordiniert. „An der JGU herrschen sehr gute Bedingungen für die Zusammenarbeit zwischen den beiden Disziplinen Atmosphärenphysik und Informatik. Wir haben in den vergangenen Jahren vermehrt gemeinsame interdisziplinäre Forschung betrieben und dabei auch die Studierenden miteinbezogen“, sagt Spichtinger. Die Förderung durch die Carl-Zeiss-Stiftung erfolgt in der Programmlinie „Perspektiven 2018“ über eine Laufzeit von fünf Jahren.
Wie viele andere Naturwissenschaften ist die Atmosphärenphysik in der Situation, dass dank Verbesserungen in der Messtechnik und enorm gewachsener Rechenleistung für Simulationen riesige Datenmengen zur Verfügung stehen, die mit herkömmlichen Mitteln nur schwer oder gar nicht ausgewertet werden können. Gleichzeitig hat man noch immer ein relativ schlechtes Verständnis von komplexen physikalischen Vorgängen in der Atmosphäre, weil es sich hierbei um ein sehr vielschichtiges System handelt, in dem Vorgänge auf vielen verschiedenen Skalen ablaufen – von mikroskopischen Eiskristallen in der Luft bis zur Gewitterfront. Viele grundlegende Prozesse und ihre Auswirkungen auf das Gesamtsystem sind noch unklar.
Moderne Methoden des maschinellen Lernens, insbesondere aktuelle Repräsentationslernverfahren auf Basis tiefer Netze, sind inzwischen in der Lage, auch komplexe Muster in Daten zu erkennen und bei Bedarf nachzubilden. Mit solchen Werkzeugen, die auf statistischem Weg Modelle und Strukturen aus Beispieldaten „lernen“ können, ergeben sich neue Perspektiven für die Datenanalyse und die Modellierung komplexer Prozesse, die in den Naturwissenschaften und insbesondere für die Atmosphärenphysik nützlich sein können. Einerseits können die großen Datenmengen der Atmosphärenphysik ausgewertet werden, sodass es möglich werden kann, relevante und dominante Prozesse zu identifizieren und ihre Auswirkungen zu verstehen. Andererseits könnten es Methoden des maschinellen Lernens ermöglichen, automatisch Modelle aus den Daten zu entwickeln und sie zur Beantwortung relevanter wissenschaftlicher Fragen in der Atmosphärenphysik zu verwenden.
Fragestellungen aus der Atmosphärenphysik und der Informatik
Im Projekt BINARY werden die Mainzer Meteorologen und Informatiker relevante wissenschaftliche Fragen der Atmosphärenphysik mit modernen maschinellen Lernverfahren untersuchen. Da es in der Regel nicht möglich und oft nicht sinnvoll ist, Standardmethoden ohne Anpassung einzusetzen, kombinieren die Wissenschaftler in diesem Projekt interdisziplinär das Fachwissen aus der Informatik und der Atmosphärenphysik. Konkrete Fragestellungen aus der Atmosphärenphysik beziehen sich auf die Strukturbildung von Wolken, die Aggregation von Wolken zu größeren Systemen, die Frage der Vorhersagbarkeit von schwierigen Wettersituationen – etwa von Hochnebel – sowie die Darstellbarkeit von kleinskaligen Prozessen in groben Wetter- oder Klimamodellen.
Entlang dieser wissenschaftlichen Zielsetzungen in der Atmosphärenphysik werden Algorithmen entwickelt und/oder für die jeweilige Fragestellung angepasst. Diese interdisziplinäre Verknüpfung ermöglicht es, das enorme Potenzial moderner maschineller Lerntechniken für die Naturwissenschaften zu nutzen. Die enge Zusammenarbeit wird voraussichtlich auch zu Fortschritten in der Informatik führen – aus komplexen Anwendungsproblemen können umfassende Algorithmen entwickelt werden. Auch die technischen Fragen im Hinblick auf den Umgang mit riesigen Datensätzen in Bezug auf Speicherung und intelligente Verarbeitung auf modernen Hochleistungsrechnerarchitekturen sind komplex und erfordern eine Weiterentwicklung oder Anpassung bestehender Strategien.
Perspektivisch sollen nicht nur die Forschung in der Atmosphärenphysik und der Informatik neue Impulse gewinnen – das Projekt soll darüber hinaus einen Beitrag zur Digitalisierung der Forschungsmethoden an der JGU liefern. Hierzu ist geplant, neu entwickelte Prozessmodellierungs- und Mustererkennungswerkzeuge auch beispielhaft in anderen Disziplinen, wie der Radiologie oder der Teilchenphysik, einem Praxistest zu unterziehen und neu erarbeitete Methodik und Erfahrungen auch anderen Forscherinnen und Forschern auf dem Campus zur Verfügung zu stellen.
Günstige Bedingungen für interdisziplinäre Forschung an der JGU
Von der Atmosphärenphysik der JGU werden bereits Vorlesungen zur Modellierung von physikalischen Phänomenen für Informatikstudierende angeboten, außerdem werden gemeinsam mit der Informatik Abschluss- und Doktorarbeiten betreut. Das BINARY-Projekt ermöglicht es nun, die gemeinsame Arbeit weiter auszubauen und wichtige Fortschritte zu erzielen. In dem Projekt werden acht Promovierende aus den beiden Fachrichtungen gemeinsam arbeiten, unterstützt und betreut von zehn erfahreneren Wissenschaftlerinnen und Wissenschaftlern. Dabei werden im Moment noch Promovierende für die naturwissenschaftliche Ausrichtung gesucht. Nähere Informationen dazu finden sich auf der Webseite des Projekts. Es besteht außerdem die Möglichkeit, im Rahmen des Projekts Themen für Abschlussarbeiten (Bachelor, Master) zu bearbeiten.
Die JGU unterstützt das Vorhaben zusätzlich und stellt hierzu Ressourcen in Form des Großrechners MOGON II sowie Mittel zur Speicherung der großen Datenmengen bereit. Das Projekt trägt auch zum Profilbereich „Mainz Institute of Multiscale Modeling“ (M3ODEL) der JGU bei und wird komplementiert durch das „JGU Research Center for Algorithmic Emergent Intelligence“, das ebenfalls durch die Carl-Zeiss-Stiftung gefördert wird. Somit wird das Forschungsgebiet der quantitativen Multiskalen-Modellierung an der JGU durch das Projekt BINARY zusätzlich profitieren.
Die Carl-Zeiss-Stiftung
Die Carl-Zeiss-Stiftung hat sich zum Ziel gesetzt, Freiräume für wissenschaftliche Durchbrüche zu schaffen. Als Partner exzellenter Wissenschaft unterstützt sie sowohl Grundlagenforschung als auch anwendungsorientierte Forschung und Lehre in den MINT-Fachbereichen (Mathematik, Informatik, Naturwissenschaften und Technik). 1889 von dem Physiker und Mathematiker Ernst Abbe gegründet, ist die Carl-Zeiss-Stiftung eine der ältesten und größten privaten wissenschaftsfördernden Stiftungen in Deutschland. Sie ist alleinige Eigentümerin der Carl Zeiss AG und SCHOTT AG. Ihre Projekte werden aus den Dividendenausschüttungen der beiden Stiftungsunternehmen finanziert.
Prof. Dr. Peter Spichtinger
Institut für Physik der Atmosphäre
Johannes Gutenberg-Universität Mainz
55099 Mainz
Tel.: 06131 39-23157
Fax: 06131 39-23532
E-Mail: peter.spichtinger@uni-mainz.de
http://www.ipa.uni-mainz.de
https://binary.uni-mainz.de – Projekt „Big Data in Atmospheric Physics (BINARY)“
https://model.uni-mainz.de/ – Profilbereich „Mainz Institute of Multiscale Modeling“ (M3ODEL) der JGU
https://emergent-ai.uni-mainz.de/ – JGU Research Center for Algorithmic Emergent Intelligence
https://www.carl-zeiss-stiftung.de/german/programme/perspektiven-2018.html – Programmlinie „Perspektiven“ der Carl-Zeiss-Stiftung
Die Strukturbildung von Wolken ist noch nicht wirklich verstanden und Gegenstand der Forschung im BI ...
Philipp Reutter
Criteria of this press release:
Journalists, Scientists and scholars, Students
Geosciences, Information technology, Oceanology / climate, Physics / astronomy
transregional, national
Research projects
German
Die Strukturbildung von Wolken ist noch nicht wirklich verstanden und Gegenstand der Forschung im BI ...
Philipp Reutter
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
