Das Institut für angewandte numerische Wissenschaft e.V. (IANW) ist eine gemeinnützige Forschungseinrichtung, die sich mit der Entwicklung und Anwendung von mathematisch numerischen Verfahren beschäftigt. Verschiedene Technologien, von künstlicher Intelligenz über Blockchain bis hin zu Strömungssimulationen, basieren auf numerischen Verfahren und machen diese damit sowohl für die Wirtschaft als auch für die Wissenschaft unerlässlich.
Das Ziel des IANW ist es, mit einem fachübergreifend aufgestellten Team aktuelle Ergebnisse aus Informatik, Physik und Mathematik zu kombinieren und zur Anwendung zu bringen. Dabei werden neue numerische Verfahren entwickelt und in der Praxis umgesetzt. Ein weiterer Schwerpunkt ist die Entwicklung und Verwendung neuartiger Werkzeuge zur einfachen und effizienten Nutzung der Rechenleistung moderner heterogener Hardwaresysteme.
Numerische Verfahren
Viele Modelle der Physik, Natur- und Ingenieurswissenschaften sind so komplex, dass numerische Verfahren zur Lösung verwendet werden müssen. Dazu gehören beispielsweise die Berechnung von Luftströmungen, die Analyse von Entzündungsvorgängen im menschlichen Körper und die Simulation von Defibrillatoren.
Um den steigenden Anforderungen gerecht werden zu können, müssen numerische Verfahren beständig weiterentwickelt werden. Für Kontinuumsgleichungen der Physik und Phänomene wie Turbulenz spielen Verfahren hoher Ordnung dabei eine wichtige Rolle. Damit diese den heutigen und zukünftigen Herausforderungen allerdings gewachsen sind, muss deren Stabilität und Robustheit sichergestellt werden.
In diesem Bereich ist einer der aktuellen Forschungsschwerpunkte des IANW die Plasmaphysik. Dabei geht es vor allem um die Simulation von Phänomen in der näheren Erdmagnetosphäre und den Einfluss von Inhomogenitäten.
Maschinelles Lernen
Maschinelles Lernen gewinnt seit einigen Jahren aufgrund der stets wachsenden Datenflut zunehmend an Bedeutung für Wissenschaft, Forschung und Wirtschaft. Begünstigt durch Verbesserungen der zur Verfügung stehenden Rechenleistung konnten in den letzten Jahren beispielsweise effiziente Algorithmen zur Bilderkennung und Sprachverarbeitung umgesetzt werden.
Daran anknüpfend beschäftigt sich das IANW im Rahmen physikalischer Großprojekte mit der Weiterentwicklung von Methoden zur automatisierten Datenanalyse und ihrer effizienten Implementierung auf unterschiedlicher Hardware. Ein Schwerpunkt ist die Erkennung von Mustern in Zeitreihen zur statistischen Datenanalyse und Prozessüberwachung.
Hochleistungsrechnen
Der Leistungszuwachs moderner Hardware basiert auf massiver Parallelisierung. Hierfür gibt es zahlreiche Konzepte und technische Implementierungen. Dadurch wird die Auswahl geeigneter Ansätze zur Herausforderung. Deswegen entwickelt das IANW Werkzeuge, die die Implementierung und Nutzung paralleler Algorithmen erleichtern.
Maschinelles Lernen und hochkomplexe physikalisch-technische Simulationen basieren darauf, gleichartige Operationen mit großen Datenmengen durchzuführen. Eine unabhängige Schnittstelle dafür, die auf verschiedenen Betriebssystemen mit heterogener Hardware wie GPUs, CPUs und auch FPGAs verwendet werden kann, ist OpenCL. Hierfür entwickelt das IANW Software, um die Laufzeit und Energieeffizienz verschiedener Algorithmen abhängig von der Hardware zu ermitteln und zu optimieren.
