Kurzfassung

Das Verständnis und die Vorhersage der Dynamik komplexer Systeme ist ein Kernproblem in verschiedenen Anwendungsgebieten, wie etwa der Biologie, der Epidemiologie, der Technik und der Wirtschaft. Das Erstellen hinreichend genauer Modelle für reale Systeme ist jedoch oft eine große Herausforderung. Unzureichende Information über die quantitativen Wechselwirkungen in dem realen System und versteckte Störungen durch Umgebungseinflüsse sind dabei die grundlegenden Ursachen für Schwierigkeiten bei...Das Verständnis und die Vorhersage der Dynamik komplexer Systeme ist ein Kernproblem in verschiedenen Anwendungsgebieten, wie etwa der Biologie, der Epidemiologie, der Technik und der Wirtschaft. Das Erstellen hinreichend genauer Modelle für reale Systeme ist jedoch oft eine große Herausforderung. Unzureichende Information über die quantitativen Wechselwirkungen in dem realen System und versteckte Störungen durch Umgebungseinflüsse sind dabei die grundlegenden Ursachen für Schwierigkeiten bei der Modellierung. In diesem Projekt konzipieren wir Methoden und Algorithmen zur datengetriebenen Rekonstruktion der Ursachen für Modellfehler, um eine systematische Modellerweiterung und -verbesserung zu ermöglichen. Kürzlich haben wir neue Kriterien für die eindeutige Rekonstruierbarkeit von Fehlersignalen aus Messungen entwickelt. Basierend auf diesen Fortschritten verfolgen wir nun das Ziel, robustere Algorithmen mit beweisbaren Genauigkeitsgrenzen zur Rekonstruktion der Modellfehler zu
konzipieren. Ein zweites Hauptziel unserer Forschung ist die automatische Erweiterung unvollständiger Modelle durch das Auffinden der Gleichungen, welche im Modell fehlen. Diese Algorithmen werden als freie Software verfügbar gemacht.» weiterlesen» einklappen