EMUNE - Invertierbare neuronale Netze für ein verbessertes Verständnis von Infektionskrankheiten - Teilprojekt A
Ullrich Köthe · RENATE · 2026
Not cached yet. This record was fetched live for this request and is stored after the lookup. Reopening the page should serve the cached copy.
RENATE · Technische Informationsbibliothek (TIB) · report · 2026
Abstract
Das Teilprojekt A im Verbund EMUNE widmete sich der Herausforderung, komplexe Wirt-Erreger-Interaktionen in der Infektionsforschung durch skalierbare statistische Inferenz zu analysieren. Da klassische mechanistische Modelle bei großen Datenmengen an Rechengrenzen stoßen, wurde das BayesFlow-Rahmenwerk, ein leistungsfähiges Werkzeug zur Bayesschen Inferenz mittels Invertierbarer Neuronaler Netze (INNs), stark erweitert. Um bisherige strukturelle Einschränkungen zu überwinden, wurden flexiblere "Free-Form Flows" entwickelt, die biologisches Vorwissen integrieren und hochdimensionale Daten effizient verarbeiten können.
Zu den zentralen wissenschaftlichen Ergebissen gehören zudem neue Methoden für die amortisierte Inferenz bei Mixed-Effects-Modellen in klinischen Studien sowie die sogenannten Entropy-Ordered Flows (EOFlows), die eine unüberwachte, nicht-lineare Merkmalsanalyse ermöglichen. Die Projektergebnisse wurden in acht hochkarätigen Publikationen veröffentlicht. Zudem etablierte sich BayesFlow als führendes Open-Source-Werkzeug für simulationsbasierte Inferenz, dessen Methoden bereits erfolgreich in Nachfolgeprojekten der modellbasierten Künstlichen Intelligenz eingesetzt werden.
Open the resolved locator · 10.34657/39779
Metadata licence: OpenAlex metadata (CC0)