The Young Investigator Network is the platform and democratic representation of interests for independent junior research group leaders and junior professors at the Karlsruhe Institut of Technology.
News
Visit the News Archive 2022 to learn what YIN members have recently achieved.
ERC StG 2022 |
Heinz Maier-Leibniz Prize 2022 |
Harald Perten Prize 2022 |
Gaede Award 2022 |
Maschinelles Lernen (ML) ist traditionellen Methoden oft überlegen. Beim Einsatz in der Computersicherheit gibt es allerdings Schwachstellen, wie das Team von Christian Wressnegger gemeinsam mit internationalen Partnern herausgefunden hat. „Ein lernendes Virenschutzprogramm beispielsweise, das anhand unvollständiger Daten trainiert wurde, könnte sich in der Praxis als unbrauchbar erweisen“, erklärt Wressnegger. Die Forschenden haben 30 aktuelle Arbeiten untersucht, die ML für die IT-Sicherheit nutzen und auf prestigeträchtigen Computer- und Systemsicherheitskonferenzen veröffentlicht wurden. Alle hatten eine oder mehrere Fehlerquellen nicht berücksichtigt. „Es fehlt an Bewusstsein für die Schwierigkeiten, Maschinelles Lernen korrekt anzuwenden“, so der Experte.
Dos and Don’ts of ML in Computer Security
Die Helmholtz-Nachwuchsgruppe "Hyperpolarisierte Magnetresonanz" unter der Leitung von Benno Meier ist mit "außerordentlichem Erfolg" bewertet worden. Das Ziel der Wissenschaftler ist es, die Empfindlichkeit und den Durchsatz der magnetischen Resonanz zu erhöhen. Die Intensität des Signals entspricht der Ausrichtung der Kernspins an einem angelegten Magnetfeld: typischerweise beträgt sie nur 1 in 100.000 Spins. Bei Hyperpolarisation richten sich fast alle Spins aus und das Signal verstärkt sich um bis zu vier Größenordnungen. Als Experte auf diesem Gebiet ist Benno Meier auch einer der vier erfolgreichen Antragsteller für den ERC Synergy Grant Highly Informative Drug Screening by Overcoming NMR Restrictions (HiSCORE) im Jahr 2020.
Meier Lab
Um neue Produkte schneller auf den Markt zu bringen, müssen Unternehmen unreife Produktionsprozesse im laufenden Betrieb verbessern. Ziel der neuen DFG-Forschungsgruppe am KIT ist es, mit dem systematischen Einsatz von künstlicher Intelligenz (KI) Prozess-anpassungen kostengünstiger, schneller und effizienter zu machen. Im Teilprojekt „Management und Quantifikation von Prozessreife-Verbesserung“ befasst sich Tobias Käfer mit der wissensgraph-basierten Modellierung von Daten und Wissen über den Prozess und ihrer Bereitstellung für Fachleute. Herausforderungen wie der Verteilung der Daten, ihrer Heterogenität und der Berücksichtigung von physikalischem Wissen begegnen die Forschenden, indem sie Methoden semantischer Datenverarbeitung mit qualitativem Schließen kombinieren.
DFG-Forschungsgruppe