Die Vielfalt des Wissenschaftlichen Rechnens
Reale Probleme zu beschreiben und vor allem auch zu lösen, erfordert oft die Zusammenarbeit verschiedenster Disziplinen. Das Wissenschaftliche Rechnen, wie auch der Elitestudiengang „Scientific Computing“, spricht dabei die gesamte Lösungskette an, d.h. die physikalische Beschreibung eines Problems, die mathematische Modellierung, numerische Algorithmen und zuletzt die effiziente (parallele) Implementierung. Demnach ist es nicht bemerkenswert, dass das Gebiet des Wissenschaftlichen Rechnens eine wahre Vielfalt an unterschiedlichen Themen aufweist und Methoden wie künstliche Intelligenz und maschinelles Lernen enthält. So konnten die Studierenden im Vortrag von Prof. Schneider, EAH Jena, lernen, wie sie bei einem Optimierungsproblem maschinelles Lernen einsetzen können, um die bestmöglichen Parameter zu finden.
Um ein komplett anderes Thema ging es im Vortrag von Prof. Steinbach, TU Graz. Prof. Steinbach beschäftigt sich intensiv mit dem neuen Ansatz der Raum-Zeit bei der Diskretisierung von partiellen Differentialgleichungen. Hierbei wird nicht der übliche Ansatz verfolgt, die Zeit und den Ort getrennt voneinander zu diskretisieren, sondern diese beiden als eine Größe aufzufassen und als Raum-Zeit dementsprechend zu diskretisieren.
Wissenschaftlicher Austausch in Bayreuth
Den Studentinnen und Studenten die Thematik des Wissenschaftlichen Rechnens vorzustellen, war nicht die einzige Intension bei der Organisation einer derartigen Vortragsreihe. Gleichbedeutend war der wissenschaftliche Austausch untereinander. Einige Gäste wie Prof. Praetorius, TU Wien, oder Prof. Bonaventura, Politecnico di Milano, blieben mehrere Tage um aktuelle Themen des Scientific Computing bis in den späten Abend hinein zu diskutieren und voranzutreiben.
Text: Maximilian Bauer, Elitestudiengang „Scientific Computing“