Scientific Computing

Die numerische Simulation na­tur­wis­sen­schaft­lich-tech­nisch­er Phänomene hat die Ent­wick­lungs­zyklen in Industrie und Wirt­schaft durch „Scientific Compu­ting“ enorm be­schleunigt. Durch immer genauere Modelle und das Erschließen neuer Problem­felder werden auch immer höhere Anforde­rungen an die nu­me­rischen Verfahren gestellt. Probleme einer nu­me­rischen Ap­proxi­mation mit niedrigerer Kom­ple­xi­tät zuzuführen, steht daher im Zentrum des Elite­studien­gangs „Scientific Compu­ting“.

Der Elitestudiengang in der Übersicht

AbschlussartMaster of Science
Studien­dauerVier Semester
Studienort Bayreuth
Zugangs­voraus­­setzungenBachelor-Abschluss in Mathematik mit Numerik­kenntnissen oder ein gleichwertiger Abschluss 
Unterrichts­spracheEnglisch
Bewerbungs­frist15. November, 15. Mai
Studien­beginnWinter- und Sommersemester
Leitung Prof. Dr. Mario Bebendorf 
OrganisationDr. Maximilian Bauer
E-Mail an Koordinator senden
Weitere Informationen Webpräsenz Scientific ComputingAllgemeine Studiengangsinformationen der Universität Bayreuth

Künftige Herausforderungen numerischer Simulation

Der internationale Elitestudiengang „Scientific Computing“ bietet be­son­ders qualifi­zierten Studie­renden ein spe­zia­li­sier­tes Lehr­an­ge­bot. Die Stu­die­ren­den setzen sich mit der Entwicklung und mathe­ma­tischen Analyse hocheffizienter numerischer Verfahren auseinander. Dabei be­schäf­ti­gen sie sich mit der gesamten Lösungskette von der Mo­del­lie­rung über die mathematische, numerische und statistische Analyse, die Opti­mierung, die Im­ple­men­tie­rung von Algorithmen auf Hoch­leis­tungs­­rech­nern bis hin zur Visualisierung der Ergebnisse.

Die interdisziplinären Problemstellungen stammen aus Fachgebieten wie zum Beispiel Biochemie, Physik, Informatik und den In­ge­nieur­wis­sen­schaft­en. Die exzellente inhalt­liche Ausbildung wird begleitet von Ver­an­stal­tungen, in denen Schlüs­sel­qua­li­fi­ka­tion­en vermittelt werden.

Zentrales Element des Master-Studien­gangs sind die Model­lie­rungs­wochen. Diese Block­seminare finden außerhalb der Universität statt und bieten Gelegen­heit, das erworbene Spezialwissen anzuwenden. In den Mo­del­lie­rungs­wochen werden heraus­fordernde Problemstellungen untersucht, an denen die In­dus­trie und Wirtschaft ak­tu­ell arbeitet. Diese werden insbesondere von Vertretern ausgewählter High­tech-Firmen zu Beginn der Model­lie­rungs­woche vorgestellt. Die Stu­die­ren­den haben die Chance, bereits während ihres Studiums an aktueller For­schung mitzuarbeiten, und können außer­dem im Fast­-Track-­Verfahren parallel zu ihrem Masterstudium promovieren.

Individuelle Betreuung

Die Studentinnen und Studenten des Elite­studien­gangs „Scientific Compu­ting“ sind in ein Mentoren-System eingebettet. Dieses unter­stützt sie bei der Auswahl der Lehr­veranstaltungen aus einem breiten Lehr­angebot entsprechend ihrer individuellen Interessen und unter­stützt sie darüber hinaus bei der Per­sön­lich­keits­ent­wick­lung durch Förderung der Führungs- und Sozial­kompetenz.

Porträtfoto: Prof. Dr. Mario Bebendorf

Mit dem neuen Elitestudiengang „Scientific Computing“ machen wir besonders begabte Studierende fit für die zukünftigen Heraus­for­derungen der numerischen Simulation in Industrie und Forschung.

Prof. Dr. Mario Bebendorf

Aus dem Elitestudiengang

Gastvorlesungen in Scientific Computing

Gastwissenschaftlerinnen und Gastwissenschaftler zeigten im Sommer 2023 und Winter 23/24 die Mathematik hinter Supraleitern oder den Einsatz von maschinellem Lernen bei der Analyse von Autounfällen.

Zum Bericht

Das Bild zeigt eine typische mathematische, gitterbasierte Analyse eines bestimmten Bauteils.

Präsentation der Modellierungsprojekte

Im September 2023 stellten die Studierenden des Elitestudiengangs Scientific Computing die Ergebnisse ihrer Projekte aus Industrie und Wirtschaft vor, an denen sie im Sommer 2023 gearbeitet haben.

Zum Bericht

Das Bild zeigt die Gruppe der Studierenden mit ihren Betreuerinnen und Betreuern im Seminarraum.

Einblicke in die Forschungsarbeit

Leistungsmodellierung im HPC

Stefan de Souza untersucht die Verlustleistung moderner HPC-Systeme und die Systemkonfigurationen, die zu einem energieeffizienteren Rechnen führen können.

PDEs und der Zufall

Henrik Reger befasste sich in seiner Masterarbeit mit der effizienten numerischen Lösung von stochastischen partiellen Differentialgleichungen.

Abgeleitete Größen in DGL

Markus Büttner programmierte in seiner Masterarbeit eine Software zur Berechnung abgeleiteter Größen von parameterabhängigen Differentialgleichungen.