Workshop

Komplexe Vorgänge in Natur und Technik laufen häufig nicht so ab wie erwartet. Lässt sich ihr Verhalten dennoch vorhersagen? Mathematiker arbeiten aktuell daran, auch für Situationen mit vielen unbekannten Parametern quantitative Beschreibungen zu finden.

Multilevel Monte Carlo Verfahren (MLMC), Markov-Chain-Monte-Carlo-Verfahren (MCMC) sowie Tensorzerlegung und Deep Learning Methoden zur multivariaten Funktionsapproximation gehören dabei zum methodischen Rüstzeug zur Unsicherheitsquantifizierung.

Drei international renommierte Experten geben im Rahmen der Felix-Klein-Themenworkshop »Uncertainty Quantification« einen Überblick über die Methoden und deren Anwendungen.

Diese Experten tragen vor:

• Prof. Yalchin Efendiev, Texas A&M University (TAMU), College Station, USA
• Prof. Robert Scheichl, University of Bath, Great Britain
• Prof. Ivan Oseledets, Skolkovo Institute of Science and Technology, Moscow, Russia