School for Simulation and Data Sciences (SSD)

Der Einsatz von Comuptersimulationen zur Lösung technischer Probleme gewinnt zunehmend an Bedeutung. Die wissenschaftliche Weiterentwicklung zur Analyse und Simulation komplexer, datenintensiver Systeme wird aktuell jedoch erschwert durch den Mangel an hoch qualifizierten Supercomputing-Experten. 

Das Ziel der School for Simulation and Data Sciences (SSD) ist die Qualifizierung einer neuen Generation junger Wissenschaftler auf dem Gebiet der Simulations- und Datenanalyse: In der SSD wird die Graduiertenqualifizierung nach dem Bachelor-Abschluss in aufeinander abgestimmten Qualifizierungsstufen gebündelt sowie Master-Programme, Doktorandenprogramme, Förderprogramme für PostdoktorandInnen und NachwuchsgruppenleiterInnen zusammengeführt. Abgerundet wird der Bereich der SSD durch das Ausbildungskonzept zum Mathematisch-technischen Softwareentwickler/-in (MATSE). 

Die SSD ist die Zusammenführung der German Research School for Simulation Sciences (GRS) und der Graduiertenschule AICES. Die RWTH Aachen und das Forschungszentrum Jülich finanzieren aktuell 15 Doktorandenstellen:

1) High Definition Analysis of Packed Bed Chromatography
Prof. Marek Behr (RWTH), Dr. Eric von Lieres (FZJ)

2) Generalized Langevin Equation-based Simulations for Mesoscale Description of Neural Cascades
Dr. Vania Calandrini (FZJ), Prof. Benjamin Stamm (RWTH)

3) Rigidity Theory-based Prediction of Protein Stability in Ionic Liquids and Seawater for Guiding Protein Engineering
Prof. Holger Gohlke (FZJ), Prof. Ulrich Schwaneberg, Dr. Mahdi Davari (RWTH)

4) Implant Topology Optimization for Improving Adhesion at the Bone-implant Interface
Prof. Roger Sauer (RWTH), Dr. Bo Perrson (FZJ)

5) Massively Parallel Adjoints
Prof. Uwe Naumann, Dr. Johannes Lotz (RWTH), Dr. Eric von Lieres, Dr. Jörn Ungermann (FZJ)

6) Efficient All-atom RNA and DNA Simulations
Prof. Giulia Rossetti, Dr. Sadipan Mohanty (FZJ), Prof. Ivan Costa (RWTH, UK Aachen) 

7) Prediction of ligand protein interactions and brain signaling cascades using machine learning approaches: olfaction as a test scenario
Jun. Prof. Mercedes Alfonso-Prieto, PhD(FZJ), Prof. Alejandro Giorgetti, PhD(FZJ), Prof. Dr. Marc Spehr(RWTH)

8) Understanding dendritic failure in all-solid-state batteries: An ab initio-informed numerical multiscale model framework
Dr. Stefanie Braun(RWTH), Dr. Claas Hüter(FZJ)

9) Advanced Deep Learning strategies for multimodal data integration in functional neuroimaging
Dr. Jürgen Dammers(FZJ), Prof. Dr. Irene Neuner(RWTH)

10) Renormalized equations of motion for neuronal networks
Jun. Prof. Dr. Moritz Helias(FZJ), Prof. Dr. Carsten Honerkamp(RWTH)

11) Data-driven analysis of medical and simulation data for improved patient treatment in rhinology
Dr. Andreas Lintermann(RWTH), Dr. Jenia Jitsev(FZJ), Prof. Dr. Morris Riedel(FZJ)

12) Machine learning-guided multiscale simulations to study ion channel clusters
Dr. Jan-Philipp Machtens(FZJ), Prof. Dr. Angelika Lampert(RWTH) 

13) Learning-to-learn: Hyperparameter optimization of spiking neuronal networks using HPC resources
Dr. Alexander Peyser(FZJ), Prof. Dr. Michael Herty(RWTH)

14) DeFRoSTEr: Deep fluids and their relation to subglacial tunnel valley erosion
Dr. Sönke Reiche(RWTH), PD Dr. Julia Kowalski(RWTH), Prof. Stefan Kollet, PhD (FZJ)

15) Accelerator architectures for DFT hybrid functionals
Dr. Daniel Wortmann(FZJ), Dr. Christian Terboven(RWTH)