Collaborative Research Center 1456

Collaborative Research Center 1456

Mathematics of Experiment

The challenge of indirect measurements in the natural sciences

Announcement
From Sep. 4-8, 2023 the 11th Applied Inverse Problems Conference will take place in Goettingen, Germany. Minisymposium proposals will be accepted until Dec. 16, 2022. Have a look at aip2023.

Podcast serie (only in German)

In dieser Folge, dem ersten PI-Interview, sprechen wir mit Prof. Dr. Bernhard Schmitzer. Wir reden über seinen bisherigen Werdegang auf dem Weg zur Professur und erfahren, wie sein Forschugsschwerpunkt Optimal Transport als Werkzeug zur Datenanalyse benutzt werden kann.

In dieser Folge sprechen wir mit Anna Blob. Sie beschäftigt sich mit dem Cytoskelett von Zellen und untersucht, wie die Wechelswirkungen von Proteinen die Zellmechanik beeinflussen.

In dieser Folge sprechen wir mit Henrik Wiechers. Er forscht im Bereich der Statistik und beschäftigt sich in seiner Arbeit damit, wie die Daten der Endospektroskopiegruppe der Max-Planck-Instituts, mit der er zusammenarbeitet, mit statistischen Werkzeugen ausgewertet werden können.

In dieser Folge sprechen wir mit Annemarie Kehl. Sie forscht an der Elektronenspinresonanzspektroskopie und erklärt uns in ihrem Interview, welche Einflüsse die tatsächliche Messung auf das am Ende gemesse Spektrum haben kann.

In dieser Folge sprechen wir mit Jakob Reichmann. Er forscht an der virtuellen Histologie und erklärt uns in seinem Interview, was genau es damit auf sich hat und wie man dieses Verfahren zum Beispiel in der Alzheimer-Diagnostik verwenden kann.

In dieser Folge sprechen wir mit Jan-Niklas Dohrke. Er erforscht die Interaktionen zwischen dem endoplasmatischen Retikulum und den Mitochondrien und erklärt uns in seinem Interview, was man daraus für die Diagnose und Behandlung von neurodegenerativen Erkrankungen lernen kann.

1. Funding period (2021 - 2024)

We witness an era where unprecedented amounts of data are acquired in experimental research in the natural sciences. While new measurement techniques and instruments keep being devised and improved for inexpensive and efficient data acquisition, the current bottleneck is how to extract meaningful information from the resulting vast amounts of such measurements. Typical reasons are that modern measurement technologies often provide such information only in an indirect manner and that the observational data are strongly corrupted by noise and often generated in an inherently random way. The goal of this Collaborative Research Center is to contribute to the efficient extraction of maximal quantitative information from experimental data, backed by mathematical modelling and analysis.

Research in this CRC is steered by data. We focus on three types of structures that are abundantly prevalent in experimental data:


Progress made in data science in recent years will be incorporated and combined with model-based approaches to develop techniques for analysing scientific data. Applications range from condensed matter physics, molecular or cellular biophysics, biomedical research to astronomy.