• 2.4.2020
  • Lesezeit: 3 Min.

Advanced und Proof-of-Concept Grants für drei Projekte

ERC fördert Spitzenforschung an der TUM

Physikalische Modelle, die anhand von Videos erstellt werden, neue statistische Methoden, die Einblicke in komplexe Systeme ermöglichen, und Unterstützung für Menschen mit der Parkinson-Krankheit durch Machine Learning: Der Europäische Forschungsrat (ERC) fördert künftig zukunftsweisende Projekte an der Technischen Universität München (TUM) mit zwei hochdotierten Advanced Grants und einem Proof-of-Concept Grant.

Für sein ERC-gefördertes Projekt nutzt Prof. Daniel Cremers digitale elastisch deformierbare Formen wie dieses Cortoon-Gürteltier. Eisenberger, Lähner, Cremers / TUM
Prof. Daniel Cremers will anhand von Videodaten ein möglichst vollständiges physikalisches Modell der beobachteten Welt erstellen. Ein wichtiges Werkzeug ist dabei die Simulation elastisch deformierbarer Formen. Die Bewegungsphasen des Cartoon-Gürteltiers wurden mithilfe eines solchen verformbaren Modells erstellt.

Forscherinnen und Forscher an der TUM konnten bislang insgesamt 124 der renommierten ERC Grants einwerben. Diese werden jedes Jahr in verschiedenen Kategorien vergeben. Die Advanced Grants sind exzellenten etablierten Wissenschaftlerinnen und Wissenschaftlern vorbehalten, die in den letzten zehn Jahren Spitzenleistungen vorzuweisen hatten. Sie sind mit bis zu 2,5 Millionen Euro dotiert.

Proof-of-Concept-Grants werden an Wissenschaftlerinnen und Wissenschaftler vergeben, die prüfen wollen, ob aus ihren ERC-Forschungsprojekten marktfähige Innovationen entstehen können. Als unternehmerische Universität legt die TUM auf diesen Aspekt der Forschung großen Wert und fördert gezielt Firmengründungen durch Forschende und Studierende.

Prof. Dr. Daniel Cremers (Informatik)

Aus Videodaten lassen sich bereits heute viele Informationen über die Position von Objekten im Raum gewinnen. Mit seinem Projekt SIMULACRON will Prof. Daniel Cremers jetzt auch Informationen über physikalische Eigenschaften wie Beschleunigung, Masse und Elastizität ableiten. Menschen können viele dieser Eigenschaften sehr schnell abschätzen. So können wir etwa die Flugbahn von Tennisbällen in Bruchteilen von Sekunden vorhersagen. Um dies auch Computern zu ermöglichen, will Cremers neue Algorithmen entwickeln, deformierbare Objekte physikalisch zu simulieren. Die Simulationsparameter sollen direkt aus Videoaufnahmen bestimmt werden. Hier werden auch neue Techniken des maschinellen Lernens zum Einsatz kommen. SIMULACRON liefert der Maschine ein vollständigeres Verständnis der beobachteten Welt aus wenigen Beobachtungsdaten. Diese Technologie könnte beispielsweise in Robotern und autonomen Fahrzeugen zum Einsatz kommen.

Daniel Cremers ist Professor für Bildverarbeitung und Künstliche Intelligenz. Seine Forschung wurde bereits mit einem Starting Grant, einem Consolidator Grant und zwei Proof-of-Concept-Grants des ERC gefördert.

Prof. Dr. Mathias Drton (Mathematik)

In der Wissenschaft werden riesige Mengen an Daten erhoben und gesammelt. Diese Daten müssen analysiert werden, um daraus Erkenntnisse gewinnen zu können. Prof. Mathias Drton arbeitet in seinem Projekt Graphmode an neuen statistischen Methoden, die Einblicke in komplexe Systeme ermöglichen. Auf Grundlage von Daten über die Aktivität der einzelnen Komponenten eines Systems können mithilfe wahrscheinlichkeitstheoretischer Berechnungen Rückschlüsse auf kausale Abhängigkeiten der Komponenten gezogen werden. Diese Methoden können in allen Bereichen der Wissenschaft eingesetzt werden. Zu den möglichen Anwendungsbereichen zählen Patientenstudien in der Medizin oder die Untersuchung von Genexpressionsraten in der Biologie.
 
Mathias Drton ist Professor für Mathematische Statistik.

Proof-of-Concept Grant: Prof. Dr-Ing. Sandra Hirche (Elektrotechnik und Informationstechnik)

Aufbauend auf ihrer Forschung aus dem ERC-geförderten Projekt con-humo will Prof. Sandra Hirche Software entwickeln, um die Symptome der Parkinson-Krankheit zu überwachen. Bislang ist es schwierig, die Entwicklung der Symptome der Krankheit bei Patientinnen und Patienten verlässlich einzuschätzen. In der Praxis geschieht dies bei Begutachtungen durch Ärztinnen und Ärzte. Dieser Ansatz hat Schwächen, da sich das Ausmaß der Symptome im Tagesverlauf stark unterscheiden kann. Bisherige Lösungen für ein kontinuierliches Monitoring sind nur beschränkt alltagstauglich, da sie etwa auf spezielle Geräte angewiesen, auf ein bestimmtes Symptom beschränkt oder nicht mit etablierten Bewertungsmethoden kompatibel sind. Im Projekt con-PDmode will Prof. Hirche Software für herkömmliche Smartwatches entwickeln, die kontinuierlich das Ausmaß der verschiedenen motorischen Symptome misst und Ärztinnen und Ärzten verwertbare und durch maschinelles Lernen aufbereitete Informationen liefert.

Sandra Hirche ist Professorin für Informationstechnische Regelung. Ihre Forschung wurde bereits mit einem Starting Grant und einem Consolidator Grant des ERC gefördert.

Weitere Informationen und Links

Technische Universität München

Corporate Communications Center

Aktuelles zum Thema

HSTS