Menschliche Gehirne und visuell gesteuerte Roboter benötigen eine intensive Rechenleistung, um visuelle Muster in verschiedenen Kontexten und Variationen zu erkennen. Insekten wie das Taubenschwänzchen nutzen ebenfalls diese invariante Mustererkennung, um anhand von Blütenmustern geeignete Nahrungspflanzen auszuwählen - und das mit nur einem Bruchteil der "Rechenleistung". Um zu verstehen, wie diese Effizienz möglich ist, werden wir verhaltensbasierte und neuronale Methoden einsetzen, um die algorithmische Grundlage der Mustererkennung bei Insekten aufzudecken.

In einer Raumzeit gibt es eine Zeit- und mehrere Raumdimensionen. In der für uns erlebbaren Welt gibt es genau drei Raumdimensionen. Nun spricht in der Differentialgeometrie nichts dagegen, auch Mannigfaltigkeiten mit mehreren Zeitdimensionen zu betrachten. In diesem Projekt geht es um algebraische Strukturen, insbesondere die Gruppe SO(p,q), die die Dynamiken und die Geometrie von solchen sogenannten pseudo-Riemannschen hyperbolischen Räumen mit mindestens einer Zeitdimension beschreiben.

Trotz umfassender Forschung im Bereich der personalisierten Medizin schaffen nach wie vor vielversprechende personalisierte Therapien nicht die Translation in die klinische Praxis. In meinem Promotionsprojekt möchte ich durch die Kombination von mechanistischer Modellierung und experimentellen Methoden ein Signalweg-Modell erstellen, das die Wirkungen potenzieller Therapien vorhersagt, um damit ideale Kriterien für eine erleichterte Translation der Forschung zum Patienten zu erfüllen.