eMuLE

Peter L. Reichertz Institut für Medizinische Informatik

Navigation – Nachwuchsgruppen

Seite aufrufen!

Nachwuchsgruppe eMuLE

Efficient and model-efficient deep learning for multimodal data

Seitenkapitel

Einleitung
Forschungsschwerpunkte
Team und Kontakt

Methoden und Anwendung

Methoden: u.a. Deep Learning, Transformer-Modelle, daten- und modelleffiziente KI
Anwendungsbereiche: u.a. Energiemanagement, Präzisionslandwirtschaft, Präzisionsmedizin

Organisatorische Eckdaten

Förderung:
Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR)
Laufzeit:
1. September 2024 - 31. August 2027

Große neuronale Netzwerke wie Transformer erzielen herausragende Ergebnisse bei verschiedenen Datenformen, erfordern jedoch oft umfangreiche Trainingsdatensätze sowie hohe Speicher- und Rechenressourcen. Die Forschungsgruppe eMuLe untersucht, wie sich die Trainingseffizienz optimieren lässt, um das benötigte Datenvolumen zu minimieren, und wie sich die Modelleffizienz steigern lässt, um die Modellgröße ohne Qualitätsverlust deutlich zu reduzieren.

Ziel ist es, skalierbare KI für reale multimodale Anwendungen zu ermöglichen. Wir entwickeln daten- und modeleffiziente Frameworks für multimodales Lernen, wobei ein Schwerpunkt auf Zeitreihen und zeitlichen Daten liegt.

Forschungsschwerpunkte

Die Nachwuchsgruppe entwickelt Methoden für ein daten- und ressourceneffizientes multimodales maschinelles Lernen. Die Forschung konzentriert sich auf:

Dateneffizientes Lernen
Entwicklung von Verfahren, die auch mit kleinen Datensätzen leistungsfähige Modelle ermöglichen.
Modelleffizienz
Reduktion des Rechen- und Speicherbedarfs großer KI-Modelle, ohne deren Leistungsfähigkeit wesentlich zu beeinträchtigen.
Multimodales Lernen
Entwicklung von Methoden zur gemeinsamen Verarbeitung verschiedener Datentypen, insbesondere von Bild- und Zeitreihendaten
Graphbasierte Modelle
Nutzung graphbasierter Ansätze zur Modellierung komplexer Beziehungen zwischen unterschiedlichen Datenquellen.

Die entwickelten Methoden sollen unter anderem in der intelligenten Fertigung, im Energiemanagement, in der Präzisionslandwirtschaft und in der Präzisionsmedizin eingesetzt werden.

Leitung der Nachwuchsgruppe

Sie interessieren sich für eine Zusammenarbeit oder möchten mehr erfahren? Wir freuen uns über den Austausch mit klinischen und wissenschaftlichen Partnern. Bitte nehmen Sie einfach mit Dr. rer. nat. Zahra Ahmadi Kontakt auf.