Synchrotronquellen erzeugen intensive Röntgenstrahlung, die heute für viele Forschungsgebiete unverzichtbar ist. Da in solchen Anlagen riesige Datenmengen erzeugt werden, müssen die relevanten Informationen aus diesen Daten extrahiert werden. Das gelingt mit Methoden des maschinellen Lernens, doch den Modellen fehlen wichtige Vorkenntnisse über die Struktur der untersuchten Systeme. Wir haben Forschenden ermöglicht, dieses Wissen in anpassungsfähige neuronale Netze einzuspeisen, und dadurch genauere Ergebnisse erzielt.

Online-Lernplattformen sind beliebte Apps, um eigenständig Wissen zu erwerben. Allerdings haben sie auch gravierende Schwächen. Wir stellen hier einen neuen Algorithmus vor, mit dem der Wissenserwerb von Lernenden genauer verfolgt werden kann. Indem die Wissensvermittlung an deren persönliche Lernstile angepasst wird, lässt sich der Lernprozess beflügeln. 

Bedartha Goswami will eine Brücke bauen zwischen Maschinellem Lernen und den Klimawissenschaften. Das ist nicht einfach, denn bei der Methodenentwicklung im Maschinellen Lernen wird die Anwendung für den Klimabereich oft nicht mitbedacht. Goswamis Lösung: Er ist Teamplayer und hat in seiner Gruppe die interdisziplinäre Expertise versammelt, die für echte Durchbrüche in den Klimawissenschaften erforderlich ist.

„KI und Nachhaltigkeit“ – ob zum Mitdiskutieren, Fragen stellen oder einfach sich informieren: Das alles gibt es seit dem 4. April 2023 auf der Wissenschafts- und Debattenplattform te.ma. Mit diesem neuen Ansatz wollen der Exzellenzcluster „Maschinelles Lernen“ und te.ma im komplizierten Dickicht der Wissenschaftskommunikation neue Impulse für den Dialog mit der Öffentlichkeit setzen.