Numerik von PDEs
Die aktuellen Team-Mitglieder von links nach rechts: Dustin Mühlhäuser, Roland Maier, Felix Krumbiegel, Michael Crocoll.
Sekretariat
Raum 3.002 (3. OG)
Öffnungszeiten (in der Regel)
| Mo, Mi, Do | 09 - 12 Uhr |
| Mo, Mi, Do | 13 - 16 Uhr |
Bei dringenden Anliegen bitten wir Sie, vorab per E-Mail Kontakt mit uns aufzunehmen.
Kontakt
| Telefon | +49 721 608-42061 |
| Fax | +49 721 608-43767 |
| numpde-sek∂math.kit.edu |
Unsere Arbeitsgruppe Numerik von PDEs entwickelt und analysiert numerische Methoden zur Lösung partieller Differentialgleichungen (PDEs). Ein besonderer Schwerpunkt liegt dabei auf sogenannten Multiskalenproblemen, die sich durch PDEs mit stark variierenden Koeffizienten modellieren lassen. Hierfür konstruieren und untersuchen wir speziell angepasste Verfahren. Darüber hinaus beschäftigen wir uns mit der Kombination von klassischen numerischen Methoden mit Deep-Learning-Ansätzen und arbeiten an entkoppelnden Zeitschrittverfahren für gekoppelte PDEs.
Wir sind ein junges und dynamisches Team, das immer offen für wissenschaftlichen Austausch ist. Falls Sie Interesse an einer Bachelor- oder Masterarbeit haben, sprechen Sie uns einfach an.
Neuigkeiten
- 1. Dezember 2025: Sakina startet als Doktorandin. Herzlich Willkommen!
- 19. November 2025: Roland hat das KIT Leadership Zertifikat erhalten. Glückwunsch!
- 31. Oktober 2025: Dustin und Michael haben erfolgreich drei NVIDIA-Zertifikate für Multi-GPU Deep Learning erworben. Glückwunsch!
- 1. Oktober 2025: Tino fängt als Doktorand an. Herzlich Willkommen!
- 27. Juni 2025: Felix erhält den SIAM UKIE Preis für seinen Vortrag auf der Biennial NA Conference. Glückwunsch!
| Name | Titel | Raum | Tel. | |
|---|---|---|---|---|
| Maier, Roland | TT-Prof. Dr. | CS 20.30 3.009 | +49 721 608-46954 | roland maier ∂does-not-exist.kit edu |
| Name | Titel | Raum | Tel. | |
|---|---|---|---|---|
| Ali, Sakina | M.Sc. | CS 20.30 3.022 | +49 721 608-43350 | sakina ali ∂does-not-exist.kit edu |
| Crocoll, Michael | M.Sc. | CS 20.30 3.012 | +49 721 608-46972 | michael crocoll ∂does-not-exist.kit edu |
| Krumbiegel, Felix | Dipl.-Math. | CS Kollegiengebäude Mathematik (20.30) 3.005 | felix krumbiegel ∂does-not-exist.kit edu | |
| Lück, Tino | M.Sc. | CS 20.30 3.014 | +49 721 608-43349 | tino lueck ∂does-not-exist.kit edu |
| Mühlhäuser, Dustin | M.Sc. | CS 20.30 3.012 | +49 721 608-46972 | dustin muehlhaeuser ∂does-not-exist.kit edu |
Hybride Mehrskalenmethoden für raue heterogene Strukturen
In diesem Projekt geht es um die zuverlässige Kombination von Mehrskalenmethoden und hybriden Diskretisierungsverfahren zur Approximation von partiellen Differentialgleichungen mit stark oszillierenden Koeffizienten. Ziel ist es, die positiven Eigenschaften der beiden Methodenklassen zu kombinieren, um Verfahren zu entwickeln, die auf natürliche Weise lokalisiert sind und Konvergenzraten höherer Ordnung erlauben. Der Fokus liegt dabei sowohl auf der theoretischen Analyse der Verfahren als auch auf ihrer praktischen Umsetzung.
Das Projekt wird gefördert durch den Deutschen Akademischen Austauschdienst (DAAD) von 2024 bis 2025.
Lokalisierte Methoden für die Wellengleichung mit starken Heterogenitäten in Ort und Zeit
In diesem Projekt geht es um die Entwicklung einer Multiskalenmethode für die effiziente Simulation von Wellenphänomenen in stark heterogenen Medien. Modelliert werden solche Phänomene beispielsweise mit der akustischen Wellengleichung mit stark oszillierenden Koeffizienten im Raum und Zeit. Wir entwickeln neue Multiskalenstrategien in der Zeit und kombinieren diese mit Ortsdiskretisierungen basierend auf Deep-Learning-Ansätzen.
Das Projekt wird wird von der Deutschen Forschungsgemeinschaft (DFG) als Teil des SFB 1173 Wellenphänomene von 2025 bis 2027 gefördert, siehe auch Projekt A15.
Numerische Methoden für parabolische Multiskalenprobleme
| Titel | Links | Dozent*innen | Typ |
|---|---|---|---|
| Wintersemester 2025/26 | |||
| Übungen zu 0101100 (Einstieg in die Informatik und algorithmische Mathematik) | Krause, Doll, Lück | Übung (Ü) | |
| Übungen zu 0108700 (Numerische Mathematik 1) | Dörfler, Karch, Mühlhäuser | Übung (Ü) | |
| Numerical Analysis of Neural Networks | Maier | Vorlesung (V) | |
| Tutorial for 0166100 (Numerical Analysis of Neural Networks) | Maier, Crocoll | Übung (Ü) | |
| Seminar (Scale-Bridging Numerical Methods) | Maier, Hauck, Krumbiegel | Seminar (S) | |
| AG Numerik von PDEs | Maier | Oberseminar (OS) | |
| Sommersemester 2025 | |||
| Analytical and Numerical Homogenization | Maier | Vorlesung (V) | |
| Tutorial for 0165700 (Analytical and Numerical Homogenization) | Maier, Krumbiegel | Übung (Ü) | |
| Proseminar | Dörfler, Mühlhäuser | Proseminar (PS) | |
| Seminar (Selected Topics on Finite Elements) | Maier, Krumbiegel, Crocoll | Seminar (S) | |
| Wintersemester 2024/25 | |||
| Finite Element Methods | Maier | Vorlesung (V) | |
| Tutorial for 0110300 (Finite Element Methods) | Maier, Krumbiegel | Übung (Ü) | |
| Sommersemester 2024 | |||
| Numerical Analysis of Neural Networks | Maier | Vorlesung (V) | |
| Tutorial for 0166100 (Numerical Analysis of Neural Networks) | Maier, Krumbiegel | Übung (Ü) | |
| Wintersemester 2023/24 | |||
| Analytical and numerical homogenization | Maier | Vorlesung (V) | |
| Tutorial for 0100046 (Analytical and numerical homogenization) | Maier, Krumbiegel | Übung (Ü) | |