Vom 12. bis 16. September 2022 lud der ErUM-Data-Hub Expert:innen unterschiedlicher ErUM-Communities in das Hotel zur Post in Wiehl ein, um über Konzepte des Deep Learning und ihre Auswirkungen auf die Erforschung von Universum und Materie zu diskutieren. Das Programm setzte sich aus Beiträgen der Teilnehmenden mit anschließender Frage- und Diskussionsmöglichkeit, Keynotes zu ausgewählten Konzepten und ergänzenden Hackathons zusammen.

Die Gruppe aus 23 Doktorand:innen, Post-Docs, Senior Scientists und Professoren war fachlich vielseitig aufgestellt. Mit 7 vertretenen ErUM-Communities (KAT, KET, KfB, KFN, KFS, KHuK und RDS) wurde ein breites Spektrum an Perspektiven zu der Thematik geboten. Eine zusätzliche Sichtweise konnte durch einen Teilnehmer aus der Industrie erbracht werden.

Ein intensives und vielfältiges Programm

Nach einem ersten gemeinsamen Abendessen am Montag, eröffnete Dr. Andrea Santamaria Garcia (KIT) den Workshop mit einem Abendvortrag zum Thema Reinforcement Learning in the Research Field of Accelerators. Bereits an dieser Stelle zeichnete sich eine dynamische Arbeitsatmosphäre ab. Die Teilnehmenden zeigten ein reges Interesse und nahmen die Möglichkeit zur Nachfrage und Diskussion ausgiebig wahr.

Der Dienstagvormittag wurde, nachdem sich alle an dem ausgiebigen Frühstücksbuffet gestärkt hatten, den ersten 4 Teilnehmer-Beiträgen gewidmet. Dennis Noll (RWTH Aachen University) machte mit einem Vortrag zu Reinforced Jet-Parton Assignment for Particle Physics Analyses den Auftakt. Es folgten Beiträge von Sven Günther (RWTH Aachen University) zu CosmicNet II: Emulating extended Cosmologies with Efficient and Accurate Neural Networks und Dr. Samuel Spencer (Friedrich Alexander University Erlangen) zu The State of the Art of Deep-Learning-Based Event Classification and Reconstruction for IACTs. Dr. Andreas Fehlner (TRUMPF Laser GmbH / Heidelberg Institute for Theoretical Studies) schlug mit dem Thema Open Neural Network Exchange Format die Brücke zum privaten Sektor.

Niklas Langner (RWTH Aachen University) rundete den Dienstagvormittag mit einer Keynote zu Transformern ab. Nach dem Mittagessen erhielten die Teilnehmenden die Möglichkeit dieses Konzept innerhalb eines Hackathons tiefergehend zu ergründen.

Den Mittwoch leitete Prof. Dr. Tilman Plehn (Universität Heidelberg) mit einem Vortrag zum Thema Transfer of Neural Network Probability to Analytic Expressions ein. Niklas Langner steuerte dem Programm einen Hackathon zu Graph Neural Networks bei. Das Mittagessen und die anschließende Pause wurden von der Gruppe genutzt, um Kontakte und persönliche Gespräche zu vertiefen, gemeinsam zu fachsimpeln und neue Energie für den Nachmittag zu schöpfen.

Die Nachmittagsplanung stand ganz im Sinne der Teilnehmenden-Beiträge. Insgesamt 6 Vorträge wurden gehalten und besprochen:

• Dr. Johannes Erdmann (RWTH Aachen University): Bayesian Neural Networks for Particle Identification
• Thorben Finke (RWTH Aachen University): Boosting Mono-jet Searches with Model Agnostic Deep Learning
• Florian Mausolf (RWTH Aachen University): Super-resolution of Photon Calorimeter Images using Generative Adversarial Networks
• Marius Neumann (Bielefeld University): An ML Approach to the Classification of Phase Transitions in many flavor QCD
• Katrin Nippel (RWTH Aachen University): A Machine Learning Approach to Searching Dark Matter Subhalos in Fermi-LAT Sources
• Markus Osterhoff (University Göttingen): Virtual Patho-Histology at the GINIX 3D X-ray Microscope

Den Einstieg am Donnerstagvormittag machten die Teilnehmer Stefan Fröse (TU Dortmund University) mit einem Beitrag zu Deep Learning based Imaging in Radio Interferometry, Jakob Roth (Max Planck Institut for Astrophysics), der über Bayesian Inference for Fields in der Information Field Theory sprach und Maximilian Straub (RWTH Aachen University) zu Interpolating Calibration Data on the Sphere with Formation Field Theory.

Anschließend tauchte die Gruppe mit Prof. Dr. Gregor Kasieczka (Universität Hamburg) in Applications and Potentials of Normalizing Flows ein. Nach dem Mittagessen konnten die Teilnehmenden das neu erworbene Wissen in einem Hackathon zu Normalizing Flows vertiefen und erproben.

Der letzte Workshop-Tag wurde von Prof. Dr. Michael Krämer (RWTH Aachen University) gestaltet, der eine Keynote und einen Hackathon zu Autoencodern mitbrachte. Nach einem kurzen Rückblick auf die produktive Woche und einem letzten gemeinsamen Mittagessen, traten die Teilnehmenden die Heimreise an.

Gemeinsam Fortschritt schaffen

Was das Format dieses ersten ErUM-Data-Hub Experten Workshops auszeichnet, ist die Vernetzung zwischen und der direkte Austausch unter Forschenden unterschiedlicher ErUM-Bereiche auf einem hohen akademischen Level. Das nach allen Beiträgen eingeplante Zeitfenster für Besprechung und Erörterung fand hohen Anklang in der Gruppe.

Neben Vernetzung und Diskussion, war es Ziel des Workshops, neu erlernte Konzepte intensiv und praxisorientiert nachzuvollziehen. Die zu diesem Zweck entworfenen Hackathons wurden von der Gruppe begeistert wahrgenommen. Die konzentrierte Arbeit im Seminarraum wurde für gewöhnlich erst durch den Ruf zum Abendessen unterbrochen.

Perspektiven in der Erforschung von Universum und Materie

Der ErUM-Data-Hub erhielt insgesamt sehr positives Feedback zu dem Veranstaltungs-Format und freut sich, auch im nächsten Jahr ErUM-Forschende im gemeinsamen Entdecken und Vorantreiben neuer Deep Learning Konzepte zu unterstützen.

Wir bedanken uns herzlich bei allen Speakern und Tutoren für die Gestaltung eines spannenden Workshops, sowie bei allen Teilnehmer:innen, die durch ihre Beiträge wesentlich zu dem Erfolg der Veranstaltung beigetragen haben. Dem BMBF gilt unser Dank für die finanzielle Unterstützung.