Neue Emmy Noether-Forschungsgruppe um Dr. F. Dietrich bewilligt

Deutsche Forschungsgemeinschaft fördert Forschung im Bereich KI

Dr. Felix Dietrich

Im Rahmen ihrer strategischen Förderinitiative zur Künstlichen Intelligenz (KI) setzt die Deutsche Forschungsgemeinschaft (DFG) einen Schwerpunkt auf die Stärkung des wissenschaftlichen Nachwuchses in diesem Bereich. Die DFG fordert daher besonders qualifizierte Nachwuchswissenschaftlerinnen und -wissenschaftler im Forschungsfeld KI auf einen Antrag im Emmy Noether-Programm zu stellen. Dieser Aufruf richtet sich an Personen aus verschiedensten Fachrichtungen, deren Forschungsprofil im Bereich der Methodenentwicklung der KI verortet ist. Unter den Nachwuchsgruppenleiterinnen und -leitern, die in der zweiten Ausschreibungsrunde gefördert werden, ist Dr. Felix Dietrich, Lehrstuhl für Wissenschaftliches Rechnen (Prof. Hans-Joachim Bungartz), dessen Antrag auf eine Emmy Noether-Nachwuchsgruppe „Harmonische Künstliche Intelligenz durch lineare Operatoren“ im Bereich „Methoden der Künstlichen Intelligenz“ bewilligt wurde.
Für die Simulation komplexer Systeme wie dem Klima, der Biologie oder der Gesellschaft werden typischerweise Methoden des "traditionellen" wissenschaftlichen Rechnens verwendet, die über ihre Grundlage in der Mathematik erklärbar sind. Beispiele hierfür sind Raumdiskretisierung durch dünne Gitter und parallele Lösungsalgorithmen für partielle Differentialgleichungen. Leider sind die meisten dieser Methoden nicht direkt auf die hochdimensionalen, heterogenen Daten anwendbar, für die im Feld der KI meist neuronale Netze verwendet werden. Diese Methoden sind allerdings noch nicht im gleichen Maße erklärbar und verlässlich, was immer wieder durch Gegenbeispiele und schwer generalisierbare Ergebnisse besonders bei "Deep Learning" ersichtlich wird. Um dem Ziel einer erklärbaren, verlässlichen und effizienten KI näher zu kommen beabsichtigt Dr. Felix Dietrich, die beiden Welten des wissenschaftlichen Höchstleistungsrechnens und Deep Learning zu verbinden. Dies geschieht durch ein Konzept, das er "Harmonische KI" nennt.
Seine Forschungsgruppe soll hierzu die Theorie linearer Operatoren und Methoden der KI über die mathematische Theorie der harmonischen Analysis verbinden. Der Vorteil einer Brücke zwischen KI und linearen Operatoren ist beidseitig: Vorhersagen, Klassifizierung, und Training neuronaler Netzwerke werden dadurch im Kontext der linearen Algebra verständlich und öffnen das Forschungsgebiet für weitere mathematische Forschung. Gleichzeitig erhalten Anwender von KI-Methoden verlässliche Werkzeuge, ähnlich den klassischen Methoden der finiten Elemente oder Newton-Raphson Lösungsmethoden.
Die ersten drei Jahre des Projekts sind der Erklärung von KI durch harmonische Analysis gewidmet. Durch die gemeinsamen Grundlagen des Laplace-Operators, von Gauß-Prozessen und neuronalen Netzen plant die Forschungsgruppe von Dr. Dietrich KI mit linearer Algebra zu verbinden. Das ermöglicht, KI-Algorithmen zur Datenrepräsentation mathematisch zu erklären. Das zweite Ziel der ersten Phase ist die Verbindung des linearen Koopman-Operators mit Deep Learning, um die Theorie dynamischer Systeme der KI-Forschungsgemeinschaft zu eröffnen. Konkret werden dadurch die verschiedenen Schichten und stochastischen Trainingsmethoden neuronaler Netze als dynamische Systeme verständlich.
Das Ziel der zweiten Phase des Projektes (vom vierten bis zum sechsten Jahr) sind robuste und verlässliche numerische Algorithmen, die die Verbindung linearer Operatoren und neuronaler Netze aus der ersten Phase ausnutzen. Bei den Algorithmen wird besonders auf die Nutzbarkeit im Kontext des Höchstleistungsrechnen geachtet. Die Software für Harmonische KI wird der Forschungsgemeinschaft frei und als Open Source zur Verfügung gestellt. Darüber hinaus will Dr. Felix Dietrich mit den Forschungsgruppen von Prof. Christian Mendl  (Professur für Quantum Computing) und Prof. Gerta Köster , Fakultät 7 der Hochschule München (Bewegung von Menschenmengen), zusammenarbeiten, um die neu entwickelten KI-Methoden zu verbreiten, zu demonstrieren und zu testen.