Eingabe löschen

Kopfbereich

Schnellnavigation

Hauptnavigation

Forschungsschwerpunkt Cognitive Computing in Life Sciences

Mit Cognitive Computing entwickeln wir neue Algorithmen, Modelle sowie Systeme für die Signalverarbeitung, Datenanalyse und Prozesssteuerung in den Life Sciences.

Über uns

Der Forschungsschwerpunkt Cognitive Computing in Life Sciences entwickelt Berechnungsmethoden und -modelle, die von den Lern- und Selbstorganisationsprinzipien biologischer neuronaler Systeme inspiriert sind und wendet diese auf Probleme in den Life Sciences an, wie z. B. Verarbeitung von Biosignalen, Aktivitätserkennung, Umweltüberwachung und autonome Assistenzsysteme in Produktion-, Landwirtschaft-, und Gesundheitssystemen.

Unser Ansatz

Eine Kombination von modellbasierten Methoden und datengesteuertem maschinellen Lernen:

Selbstorganisierende und komplexe Systeme

Neuromorphic Computing

Klassisches und auf Deep Learning basiertes maschinelles Lernen

Beispiele für Anwendungsbereiche

Unsere Forschungsgruppen

Das Zentrum besteht aus fünf unabhängigen Forschungsgruppen:

Autonomous Learning Systems

Die Forschungsgruppe fokusiert sich auf die Entwicklung von KI-Systemen der nächsten Generation durch die Integration von Techniken des tiefen Lernens und des verstärkenden Lernens, um autonome KI-Agenten zu entwickeln. Diese Agenten können für ein breites Spektrum von Prozessautomatisierungsaufgaben in den Biowissenschaften eingesetzt werden. Ein besonderer Schwerpunkt ist die Entwicklung von KI-Lösungen für das Protein-Engineering.

 

Leiter: Dr. Claus Horn | Erfahren Sie mehr über die Forschungsgruppe Autonomous Learning Systems

 

Advanced Signal Analytics

Diese Forschungsgruppe arbeitet in der Analyse, Modellierung und Klassifizierung von Signalen sowie an der statistischen Modellierung und Beratung. Unsere Expert:innen wenden physikalische und statistische Modelle sowie Deep Learning auf Probleme in den Biowissenschaften wie landwirtschaftliche Systeme, Chromatographie oder Signale von Drohnen an. Die Gruppe besteht aus Datenwissenschaftlern und Statistikern mit einem Hintergrund in theoretischer und angewandter Physik und Mathematik, die über langjährige Erfahrung in Forschung und Lehre in den Lebenswissenschaften verfügen.

Leiter: Dr. Matthias Nyfeler | Erfahren Sie mehr über die Forschungsgruppe Advanced Signal Analytics

 

Computational Environment

Die Forschungsgruppe beschäftigt sich mit der Modellierung natürlicher Systeme und deren Interaktion mit dem Menschen. Dies beinhaltet auch Nachhaltigkeitsthemen in einem allgemeineren Kontext, z.B. im Hinblick auf soziale und ökonomische Fragen. Unsere Expert:innen wenden einen datenwissenschaftlichen, Deep Learning- und Modellierungsansatz bei Fragenstellungen an. Ein besonderer methodischer Schwerpunkt liegt auf Deep-Learning-Methoden, multimodalem Lernen mit natürlicher Sprachverarbeitung und auf der Modellierung mit diskreten Systemen wie zellulären Automaten.

Leiter: Dr. Martin Schüle | Erfahren Sie mehr über die Forschungsgruppe Computational Environment

 

Neuromorphic Computing

Die Forschungsgruppe entwickelt fortschrittliche, auf neuronalen Netzen basierende Algorithmen, Softwarebibliotheken und Systeme mit der neuen Generation von Computerchips - gehirninspirierte neuromorphe Sensor- und Computerhardware. Unsere Expert:innen konzentrieren sich uns auf Wahrnehmung, Bewegungsplanung und Steuerung für Roboteraktoren mit Anwendungen in den folgenden Gebieten: Gesundheitswesen, Landwirtschaft, Lebensmittelverarbeitung und intelligente Umgebungen. Die Forschungsgruppe verfolgt einen auf den Menschen ausgerichteten Designansatz, um eine neue Generation von physischen KI-Systemen zu entwickeln, welche energieeffizient, anpassungsfähig und sicher sind.

Leiterin: Dr. Yulia Sandamirskaya | Erfahren Sie mehr über die Forschungsgruppe Neuromorphic Computing

 

Predictive Analytics

Der Schwerpunkt der Forschungsgruppe liegt auf der angewandten Forschung im Bereich der statistischen Modellierung und des maschinellen Lernens zur Entdeckung von Mustern sowie auf Data Mining, Mustererkennung und Prognosen in den Biowissenschaften. Unsere Expert:innen verfügen über eine nachweisliche Erfolgsbilanz in den Bereichen Medizintechnik, personalisierte Gesundheit und Sportanalytik. Die Expertise der Gruppe liegt in der Fusion heterogener Informationsquellen und Ensemble-Methoden, insbesondere für die Zeitreihen- und Bild-/Video-Analytik. Im Kontext von Industrie 4.0 forscht die Gruppe auf dem Gebiet der prädiktiven und präskriptiven Wartung.

Leiter: Dr. Krzysztof Kryszczuk | Erfahren Sie mehr über die Forschungsgruppe Predictive Analytics

 

Team Cognitive Computing in Life Sciences

Projekte

Publikationen