Auflistung D24 (2023) - Ausgezeichnete Informatikdissertationen nach Erscheinungsdatum
1 - 10 von 35
Treffer pro Seite
Sortieroptionen
- TextdokumentEntwurfsautomatisierungs-Tools und Software für Quantencomputing(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Burgholzer, LukasQuantencomputing hat das Potenzial viele Bereiche des 21. Jahrhunderts zu revolutionieren. Trotz stetiger Verbesserungen zugrundeliegender Technologien ist die beste Hardware aber nur so gut wie die verfügbare Software, um entsprechende Anwendungen zu realisieren - eine Lektion aus den letzten fünfzig Jahren Forschung zur Entwicklung klassischer Schaltungen und Systeme. So können wir heute dank der Methoden für die elektronische Entwurfsautomatisierung (EDA) klassische Systeme mit einer immensen Anzahl von Transistoren erstellen, die wir oft als selbstverständlich sehen. Im Vergleich dazu lassen bisher vorhandene Softwarelösungen zum Entwurf und der Optimierung von Quantenschaltungen diese jahrzehntelange Forschung meist ungenutzt. In dieser Dissertation wird dieses latente Potenzial durch die Entwicklung von Entwurfsautomatisierungsmethoden und -software für Quantencomputing nutzbar gemacht. Die vorgestellten Lösungen zeigen signifikante Verbesserungen in Bezug auf Effizienz, Skalierbarkeit und Zuverlässigkeit. Weiter veranschaulichen sie die enormen Vorteile der Nutzung vorhandenen Wissens und Know-hows im klassischen Schaltungs- und Systementwurf. Alle im Rahmen dieser Arbeit entwickelten Tools und Softwarelösungen werden als Open-Source-Pakete zur Verfügung gestellt, die bereits über 690000 mal heruntergeladen wurden. Die Arbeit trägt somit erheblich zum Fortschritt des Standes der Technik im Bereich des Quantencomputing bei und zeigt die Bedeutung von Entwurfsautomatisierungsmethoden für zukünftige Fortschritte.
- TextdokumentKombinatorische Spiele als Schlüssel in der Komplexitätsanalyse aussagenlogischer Formeln(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Wörz, FlorianBeweiskomplexität ist ein Forschungsgebiet im Spannungsfeld zwischen Logik, Algorithmik und Komplexitätstheorie. Es untersucht die Ressourcen (z. B. Zeit oder Platz), die benötigt werden, um Aussagen mittels sogenannter Beweissysteme zu beweisen. Da jeder SAT-Solver implizit ein Beweissystem definiert, lassen sich Resultate in der Beweiskomplexität in Analysen von SAT-Solvern übersetzen. In der Dissertation [Wö23] des Autors werden zahlreiche neuen Verbindungen zwischen kombinatorischen Murmelspielen und Komplexitätsmaßen für aussagenlogische Beweissysteme bewiesen. Diese neuartigen Analysewerkzeuge ermöglichen es erstmals, den Speicherverbrauch verschiedener SAT-Solver-Paradigmen systematisch und mathematisch formal miteinander zu vergleichen. Zudem erlauben die Verbindungen die Analyse von Graphenisomorphieformeln mit Hilfe von Werkzeugen aus der endlichen Modelltheorie, genauer gesagt der deskriptiven Komplexitätstheorie. Diese Querverbindungen ermöglichen den Beweis von zahlreichen oberen und unteren Schranken der Größe von Widerlegungen von Graphenisomorphie. Insbesondere wird für verschiedenartige Graphenklassen (z. B. planare Graphen und Graphen mit verbotenen Minoren) gezeigt, dass diese kurze Beweise im geometrischen Schnittebenenverfahren besitzen. Für das Beweissystem Resolution entwerfen wir sogar Automatisierbarkeitsalgorithmen, die kurze Graphenisomorphiebeweise von speziellen Graphenklassen in polynomieller Zeit konstruieren.
- TextdokumentMethodenentwicklung für die groß angelegte Vorhersage und Modellierung von Protein-Protein-Wechselwirkungen(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Elsayed, HadeerProtein-Protein-Interaktionen (PPIs), die für zahlreiche biologische Prozesse entscheidend sind, stellen die Biowissenschaften vor große Herausforderungen. Meine Dissertation befasste sich mit der Vorhersage und dreidimensionalen Modellierung von PPIs auf Proteomebene in vier verschiedenen Projekten. Zunächst haben wir experimentelle und rechnerische Methoden zur Charakterisierung von PPIs im Hochdurchsatzverfahren untersucht. Zweitens befassten wir uns mit den Herausforderungen des evolutionären Kopplungsansatzes EVcomplex, indem wir seine Überschaubarkeit um das Fünffache auf das Proteom von Escherichia coli (E. coli) und auf eukaryotische Interaktionen erweiterten. Darüber hinaus haben wir eine neuartige Pipeline für die automatisierte Strukturanalyse von groß angelegten Vernetzungsdaten entwickelt und sie zur Erforschung des menschlichen endolysosomalen Kompartiments eingesetzt. Schließlich haben wir ein neuartiges Framework, XLEC, entwickelt, das spärliche Daten aus Quervernetzungen (XL) und evolutionärer Kopplung (EC) für eine effiziente Charakterisierung von PPIs integriert. Diese Forschungsarbeit löst erfolgreich die Herausforderungen bei der Charakterisierung von PPIs und bietet neue Einblicke in die komplizierte Landschaft der Proteininteraktionen.
- TextdokumentErklärung und Visualisierung von strukturellem Wissen in bipartiten Graphen(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Dürrschnabel, DominikDatensätze, welche die Form von bipartiten Graphen haben, kommen in vielen Bereichen vor. Beispiele für solche Datensätze sind Nutzer und ihre Vorlieben in sozialen Netzwerken oder die Interaktionen zwischen Krankheiten und Medikamenten in der Biomedizin. In der Dissertation wird die Entdeckung, Erklärung und Visualisierung von strukturellem Wissen in bipartiten Graphen bearbeitet. Dabei werden im Großen und Ganzen drei verschiedene Ansätze verfolgt. Im ersten Teil der Dissertation werden Algorithmen für die Entdeckung von für den Wissensentdeckungsprozess relevanten Teilstrukturen erforscht. Der zweite Teil beschäftigt sich mit der Visualisierung von Ordnungsstrukturen, welche sich aus den Datensätzen berechnen. Im letzten Teil wird ein Ansatz vorgestellt, den Hüllenoperators der formalen Begriffsanalyse zu lernen. Mithilfe des gelernten Operators können dann formale Begriffe in niedrigdimensionale Vektorräume eingebettet werden. Viele der in der Dissertation untersuchten Fragen sind mit NP-schweren Problemen verknüpft. Jedes dieser Probleme bringt seine eigenen Schwierigkeiten mit, was dazu führt, dass eine Kombination von Ansätzen aus verschiedenen Teilbereichen der Informatik in der Dissertation bearbeitet wird.
- TextdokumentErklärbarkeitsstufen für die Mensch-KI-Interaktion in Visueller Textanalyse(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) El-Assady, MennatallahIn dieser Dissertation wird untersucht, wie verschiedene Interessengruppen in die Lage versetzt werden können, mit künstlichen Intelligenzmodellen zu interagieren, um gemeinsam Probleme zu lösen und Entscheidungen zu treffen. Insbesondere geht es um die Frage, wie die Erklärbarkeit so gestaltet werden kann, dass sie auf die jeweiligen Bedürfnisse und den Wissensstand der Beteiligten zugeschnitten wird. Um diese Themen zu erforschen, wurde das Verfahren der mixed-initiative Modelloptimierung von Inhalten und Themen gewählt, da es eine erhebliche Herausforderung für viele Wissenschaftler darstellt. Noch wichtiger ist jedoch, dass dieses Problem einer Mehrzieloptimierung unterliegt, bei der die verfügbaren automatischen Qualitätsmetriken nicht unbedingt auf die menschliche Intuition abgestimmt sind. Diese Doktorarbeit stellt vier visuelle Textanalysetechniken vor, die eine solche Mensch-KI-Interaktion ermöglichen, wobei der Schwerpunkt auf der Unterstützung des Verhaltens, der Diagnose und der Optimierung von Topic Models liegt.
- TextdokumentResilienz von service-orientierten und zeitkritischen Netzen(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Ergenc, DoganalpModerne Mission-critical Systeme (MCS) haben sich zu komplexen technologischen Ökosystemen, bestehend aus einer Vielzahl miteinander verbundener Dienste, entwickelt. MCS müssen strenge Anforderungen an die Dienstgüte und die Resilienz gegenüber Ausfällen und Cyber-Angriffen erfüllen. Aufgrund mangelhafter Konfigurierbarkeit und Erweiterbarkeit können hier keine herkömmlichen System- und Netzwerktechnologien angewendet werden. Daher kommen in MCS mittlerweile verstärkt flexiblere Paradigmen wie Service-Orientierte Architekturen (SOA) und Time Sensitive Networking (TSN) zum Einsatz. In meiner Dissertation präsentiere ich mehrere Beiträge zur Entwicklung zukünftiger MCS auf der Basis von SOA und TSN. So stelle ich präsentiere Resilienzmechanismen zur Erhöhung von Autonomie, Fehlertoleranz und IT-Sicherheit vor, sowie weitere Lösungen um die optimale und zuverlässige Nutzung und Konfiguration der genannten Paradigmen zu behandeln.
- TextdokumentEvolutionäre Multikriterielle Optimierung von Pfadsuchproblemen(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Weise, JensDiese Arbeit befasst sich mit den Herausforderungen der multikriteriellen Pfadsuche in verschiedenen Bereichen. Entscheidungsträger müssen mehrere Ziele miteinander in Einklang bringen, was zu großen Suchräumen führt. Während klassische Optimierungsansätze zeitaufwändig sind, bieten Metaheuristiken wie evolutionäre Algorithmen schnellere Lösungen. In dieser Arbeit werden Methoden zur Erzeugung skalierbarer Pfadfindungs-Benchmarks und zur Optimierung des Prozesses für eine verbesserte Lösungsqualität vorgestellt. Die Ergebnisse zeigen, dass sich die Qualität der Lösungen verbessert hat. Darüber hinaus werden die Herausforderungen von Entscheidungsträgern bei der Auswahl einer Lösung aus Pareto-optimalen Alternativen angesprochen und Ansätze vorgeschlagen, die die Entscheidungsfindung in der Praxis unterstützen.
- TextdokumentDesign und Anwendung von Algorithmen für die Genominferenz(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Ebler, JanaDie Rekonstruktion der Genomsequenz eines Individuums ist essentiell, um genetische Varianten zu analysieren und deren Effekte zu verstehen. Computergestützte Methoden zur Rekonstruktion solcher Sequenzen basieren oft auf einem Referenzgenom, einer DNA-Sequenz, die die Genomsequenz einer Spezies repräsentiert. Neue Sequenziertechnologien ermöglichen die referenzfreie Rekonstruktion von Genomsequenzen und erlauben es, Pangenom-Graphen zu erstellen, neuartige Datenstrukturen, die im Gegensatz zu einem Referenzgenom die genetische Vielfalt einer Art widerspiegeln. Wir stellen einen neuen Algorithmus für die Analyse genetischer Varianten vor und zeigen, dass wir damit Bereiche des Genoms analysieren können, die zuvor nicht zugänglich waren.
- TextdokumentModulare and Parameter-effiziente Fine-abstimmung von Sprachmodellen(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Pfeiffer, JonasTransferlernen ist zum führenden Paradigma in der Verarbeitung natürlicher Sprache (NLP) geworden, wobei vortrainierte Modelle für nachgelagerte Aufgaben mit minimalen Beispielen feinabgestimmt (fine-tuned) werden. Diese Dissertation befasst sich mit der Herausforderung, Modelle zu entwickeln, die effizient neue Informationen aufnehmen und ohne negativen Transfer verallgemeinern. Modulares Deep Learning, das Berechnungseinheiten innerhalb von Modulen effizient und asynchron aktualisiert, bietet hierfür eine Schlüssellösung. Diese Module, zwischen neuronalen Schichten (Layern) integriert oder mit vortrainierten Parametern verknüpft, ermöglichen eine kompositionelle Generalisierung durch die Neustrukturierung von Wissen. Diese Dissertation bietet einen umfassenden Blick auf Modularität in NLP, aufgeteilt in vier Dimensionen: Berechnungsfunktionen, Routingfunktionen, Aggregationsfunktionen und das Trainingsszenario. Zu den Kernbeiträgen zählen ein vielseitiges Forschungsframework, eine innovative “attention”-basierte Aggregationsfunktion zur Integration von Modulen, Routingmechanismen für cross-linguale Szenarien, Strategien für multimodales und multilinguales Lernen sowie eine modulare Vortrainingsstrategie, um katastrophale Interferenzen in heterogenen Daten zu mindern.
- TextdokumentModellierung von 3D-Menschen: Pose, Form, Kleidung und Interaktionen(Ausgezeichnete Informatikdissertationen 2023 (Band 24), 2024) Bhatnagar, Bharat LalDiese Arbeit stellt neuartige Methoden zur Modellierung des Aussehens und der Handlungen digitaler Menschen vor, die in verschiedenen Anwendungen wie Spielen, virtuellem Anprobieren, Telepräsenz und Metaverse immer häufiger vorkommen. Unsere vier Hauptbeiträge sind: i) MGN (Multi-Garment Network), eine Methode zur Rekonstruktion von 3D-Kleidungsstücken und Körperformen aus RGB-Bildern; und das SMPL+G-Modell, eine Erweiterung des SMPL-Körpermodells um Kleidungsstücke. ii) IPNet (Implicit Part Network), ein neuronales Netzwerk, das implizite Funktionen verwendet, um detaillierte menschliche 3D-Netze zu rekonstruieren und diese im SMPL-Modell zu registrieren. iii) LoopReg, die erste vollständig differenzierbare End-to-End-Methode zur Registrierung eines parametrischen Modells in 3D-Netzen mithilfe impliziter Funktionen. iv) BEHAVE, ein Datensatz und eine Methode zur Verfolgung von Mensch-Objekt-Interaktionen in 3D. Die Arbeit bietet außerdem eine gründliche Analyse der vorgeschlagenen Methoden und ihrer Grenzen und schlägt Richtungen für zukünftige Arbeiten vor. Der Code, die digitale MGN-Garderobe, der BEHAVE-Datensatz und die These sind öffentlich verfügbar.