Lernen von und aus physikalischen Simulationen

Um die Veranstaltung angemessen planen zu können, bitten wir Sie, sich spätestens bis zum 30. Juni 2025 anzumelden.Wir verwenden Ihre Daten nur für diese Veranstaltung und löschen sie gleich danach. 

Bitte melden Sie sich an unter: https://reg.informatik-forum.org/40

Plakat

Ort: Hörsaal 38.04, Informatikgebäude, Campus Vaihingen, Universitätsstr. 38, 70569 Stuttgart

Referent: Professor Dr. Mathias Niepert, Institut für Künstliche Intelligenz, Universität Stuttgart

Abstract

Moderne KI-Modelle werden meist mit von Menschen erzeugten Daten wie Text, Bildern oder Ton trainiert. Doch diese Datenquelle hat zwei zentrale Schwächen: Ihr Wachstum hält nicht mit dem Bedarf großer Modelle wie LLMs Schritt, und viele wissenschaftlich-technische Fragestellungen erfordern Daten, die direkt aus der physikalischen Welt stammen – etwa aus präzisen Simulationen atomarer Wechselwirkungen, Strömungen oder komplexer Weltmodelle.

Um KI-Modelle zu entwickeln, die physikalische Phänomene verstehen und vorhersagen können, müssen wir über menschliche Daten hinausgehen und lernen, aus physikbasierten Simulationen zu schöpfen. Der Vortrag zeigt, wie wir solche Systeme effizient simulieren und gleichzeitig aus den erzeugten Daten lernen können.

Da vollständige Simulationen oft zu rechenintensiv sind, stellen gezielte Datengenerierung und gute Generalisierung zentrale Herausforderungen dar. Herr Niepert präsentiert zwei komplementäre Strategien:

1. Adaptive Datengenerierung für lernbasierte Simulatoren
   
   
2. Physik-informiertes Lernen, bei dem physikalische Prinzipien wie Symmetrien und Erhaltungssätze in ML-Modelle integriert werden

Abschließend zeigt Herr Niepert, wie diese Ansätze auch generative KI verbessern können – etwa durch Rückpropagation durch numerische Löser oder durch Einbettung von Nebenbedingungen in Modelle wie Denoising-Diffusion. Ziel ist es, die Lücke zwischen simulationsbasierter Wissenschaft und moderner KI zu schließen – für Modelle, die nicht nur vorhersagen, sondern auch zum Verstehen physikalischer Systeme beitragen.

Referent

Mathias Niepert ist Professor für Maschinelles Lernen in den Simulationswissenschaften an der Universität Stuttgart und Mitglied der International Max Planck Research School for Intelligent Systems (IMPRS-IS). Er leitet das Machine Learning and Simulation Lab mit Anbindung an das Exzellenzcluster SimTech, die Informatik und ELLIS. Zudem ist er Chief Scientific Advisor bei NEC Laboratories Europe, wo er zuvor als Forschungsleiter tätig war. Er forschte als Postdoktorand an der University of Washington in Seattle. Seine Promotion absolvierte er an der Indiana University (USA) in Informatik und Scientific Computing.

Seine Forschung verbindet maschinelles Lernen mit Physik, Geometrie und Simulation. Dabei entwickelt sein Team effiziente, strukturierte und physikgeleitete Lernverfahren mit Anwendungen in Chemie und Biomedizin. Seine Arbeiten erscheinen regelmäßig auf führenden Konferenzen wie NeurIPS, ICML und ICLR, wurden mehrfach ausgezeichnet und unterstützt, unter anderem durch den Google Faculty Research Award. Mathias ist Area Chair bei Konferenzen wie NeurIPS, ICML und ICLR.

Im Anschluss an den Vortrag laden wir unsere infos-Mitglieder zum infos-Sommerfest ein. Hier wollen wir das Thema bei Gesprächen und einem kleinen Grillimbiss vertiefen. Die Veranstaltung ist kostenlos. Um die Veranstaltung angemessen planen zu können, bitten wir Sie, sich spätestens bis zum 30. Juni 2025 anzumelden. Wir verwenden Ihre Daten nur für diese Veranstaltung und löschen sie gleich danach.
Bitte melden Sie sich an unter: https://reg.informatik-forum.org/40https://reg.informatik-forum.org/40