Das Ziel dieses Projektes ist es, zur Entwicklung von Methoden beizutragen, die aussagekräftige und interpretierbare Merkmale aus hochdimensionalen Datensätzen extrahieren, wobei der Schwerpunkt auf der Entdeckung übergeordneter, kausal verbundener Faktoren liegt, die eine sinnvolle Semantik der Daten beschreiben. Dies wiederum kann uns helfen, tiefere Einblicke in die Repräsentationen zu gewinnen, die in fortgeschrittenen generativen Modellen zu finden sind, insbesondere in Basismodellen und LLMs, mit dem Ziel, deren Effizienz und Sicherheit zu verbessern.

Zu den weltweit führenden Ursachen für erblich bedingten Sehverlust zählt Retinitis pigmentosa, oft verursacht durch Spließ-Varianten im USH2A-Gen. Das Projekt zielt darauf ab, eine sichere gentherapeutische Strategie zur Korrektur solcher Spleiß-Defekte zu entwickeln. Durch den Einsatz von enhanced-deletion Nukleasen können die pathogenen Sequenzen eliminiert werden, um korrekte Proteinsynthese zu ermöglichen. Der Fokus liegt auf Sicherheitsaspekten sowie der Entwicklung eines induzierbaren viralen Transportsystems für die klinische Anwendung.

Das Forschungsprojekt untersucht den Einfluss sterisch anspruchsvoller NHC-Gold(I)-Komplexe auf die Zyklisierung von Diinderivaten. Im Fokus stehen die Synthese verschiedener sterisch anspruchsvoller NHC-Gold(I)-Komplexe und deren Anwendung in Diinzyklisierungen, insbesondere die Untersuchung der Reaktivität und Selektivität in goldkatalysierten Reaktionen. Weiterführende Untersuchungen umfassen theoretische Berechnungen und praktische Anwendungen der synthetisierten Zyklisierungsprodukte für Pharmazeutika oder organische Materialien.

Dieses Projekt zielt darauf ab, die Klassifizierung seltener Krankheiten mithilfe neuronaler Netzwerke zu verbessern und zentrale Herausforderungen wie begrenzte Datenverfügbarkeit und hohe Heterogenität anzugehen. Wir wollen bestehende Modelle und deren Repräsentationen untersuchen, ihre Sensitivität auf technische Varianzen korrigieren und Eigenschaften identifizieren, die für die Klassifizierung von Vorteil sind.

Unser Ziel ist es, künstliche neuronale Netzwerke durch Gehirn ähnliche Schaltkreise zu entwickeln. Wie im Gehirn werden künstliche Neuronen und Synapsen mit neuartigen Memristoren gebildet und in einem Crossbar-Array angeordnet. Kombiniert mit ultraschneller Photonik wollen wir Signalverarbeitung und Matrix-Vektor-Multiplikationen optimieren, um Limits konventioneller Technologien zu überwinden. Damit sollen Energieverbrauch, Rechenzeit und Systemkomplexität in Rechensystemen verbessert werden.

Mein Promotionsprojekt konzentriert sich auf die Identifizierung lichtempfindlicher Proteine, die als Photorezeptoren bezeichnet werden, im Modellorganismus Chlamydomonas reinhardtii. Ich möchte klären, wie diese Rezeptoren die innere biologische Uhr, den zirkadianen Rhythmus, regulieren. Ich fokussiere mich darauf, die Eigenschaften eines unbekannten, rotlichtempfindlichen Photorezeptors zu bestimmen und herauszufinden, wie dieser Rezeptor die innere Uhr reguliert. Diese Erkenntnisse können verwendet werden, um zu verstehen, wie Pflanzen im Allgemeinen Lichtinformationen verarbeiten.

Dieses Projekt befasst sich mit der Verteilung von Tiefsee-Makrofauna (Tiere zwischen 0,3 mm – 5 cm) im Arktischen Ozean über zeitliche und räumliche Skalen. Ich möchte die Hypothese testen, ob Umweltfaktoren wie Ozeanerwärmung und Meereisrückgang auch die Lebensgemeinschaften der Tiefsee betreffen. Darüber hinaus untersuche ich die Artenvielfalt, Verbreitung und Konnektivität von Isopoden, da sie eine häufige und vielfältige Gruppe der Makrofauna darstellen, aber in der Zentralen Arktis kaum erforscht sind. Sie betreiben „Brutpflege“ – das bedeutet, ihre Jungen schlüpfen in einem Brutsack (wie ein winziges Känguru) und verbreiten sich daher im Vergleich zu Tieren mit freischwimmenden Larven nicht so weit.

3D-Druck auf der Nanoebene ist ein etabliertes Verfahren, für bestimmte Anwendungen aber noch zu langsam. Üblicherweise belichten Laserpulse ein Volumenelement einer lichtempfindlichen Tinte nach dem anderen und bauen daraus das gewünschte Objekt auf. In diesem Projekt wird jeder einzelne Laserpuls holografisch geformt und belichtet eine Vielzahl von Volumenelementen parallel. Diese Technik verspricht um Größenordnungen höhere Druckraten und soll für komplexe 3D-Strukturen demonstriert werden.

Polare Moleküle ermöglichen die Simulation komplexer Spin-Modelle und kondensierter Materie durch ihre veränderbaren langreichweitigen Wechselwirkungen. Dieses Projekt untersucht den BEC-BCS-Übergang von einem Bose-Einstein-Kondensat aus tetratomaren Molekülen zu einem diatomaren p-Wellen Suprafluid. Das Suprafluid ist von besonderem Interesse, da es voraussichtlich Majorana-Nullmoden beherbergen kann – Quasiteilchen, sie sich ideal für fehlertolerantes Quantencomputing eignen.

Das Projekt zielt darauf ab, die Fabrikation von 3D-lasergedruckten Materialien durch den Einsatz tiefer Neuronaler Netze (NN) zu beschleunigen und zu verbessern. Dabei werden physikalische Simulationen des 3D-Laserdrucks entwickelt und verwendet um die NNs zu trainieren. Diese können dann beispielsweise die gedruckten Strukturen bereits im Drucker charakterisieren oder Objekte so prä-kompensieren, dass iterative Charakterisierung und Optimierung außerhalb des Druckers minimiert werden kann.