Mission
Die projektorientierte Forschung am WIAS ist gekennzeichnet durch die Verknüpfung der mathematischen Disziplinen Analysis, Stochastik und Numerik. Diese Kombination birgt besonderes Potential für wichtige Beiträge zur Lösung komplexer Fragestellungen wie dem zuverlässigen Extrahieren von Informationen aus großen Datensätzen oder der geeigneten Berücksichtigung von Unsicherheiten in der Beschreibung von Prozessen. Das Institut trägt so zur Lösung aktueller gesellschaftlicher Herausforderungen bei.
Forschung
Das Institut widmet sich sowohl der mathematischen Grundlagenforschung als auch der Entwicklung von Algorithmen und wissenschaftlicher Software. Dabei werden physikalisch und technisch fundierte mathematische Modelle entworfen, die das betrachtete Phänomen korrekt erfassen und einer hoch entwickelten mathematischen Analyse zugänglich machen. Die Phasen der Aufgabenlösung werden in enger Verzahnung immer wieder neu durchlaufen und aufeinander abgestimmt, bis eine optimale Lösung gefunden ist.
Aktuell
Alexandra Quitmann erhält Marthe-Vogt-Preis
Forscherin wird am 7. November 2024 für ihre herausragende Grundlagenforschung am WIAS ausgezeichnet.
Veranstaltungen
Mittwoch, 30.10.2024, 10:00 (WIAS-HVP-3.13)
Forschungsseminar Mathematische Statistik
Prof. Dr. O. Klopp, ESSEC Business School, Frankreich:
Adaptive density estimation under low-rank constraints
Stellen
Wissenschaftliche/r Mitarbeiter/in (w/m/d) (23/28)
Optimization with partial differential equations and variational inequalities
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (24/14)
Skalierbare, leistungsstarke Computerplattform für digitale Zwillinge (Digital Twins) menschlicher Organe
Doktorand/in (m/w/d) (24/18)
Mathematische Optimalsteuerungsprobleme im Zusammenhang mit Pulverbett-basierten Verfahren
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (24/19)
Theoretische und numerische Untersuchung von Photonic Crystal Surface-Emitting Halbleiterlasern (PCSELs)
Doktorand/in (m/w/d) (24/20)
Erforschung der Theorie des prinzipiell optimalen Transports, der Optimierung und des maschinellen Lernens
Doktorand (m/w/d) (24/21)
Optimization with partial differential equations under uncertainty
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (24/22)
Optimization with partial differential equations and variational inequalities