<?xml version="1.0" encoding="UTF-8"?>
<collection xmlns="http://www.loc.gov/MARC21/slim">
<record>
  <controlfield tag="001">254679</controlfield>
  <controlfield tag="005">20260303173130.0</controlfield>
  <datafield tag="035" ind1=" " ind2=" ">
    <subfield code="a">G:(GEPRIS)318763901</subfield>
  </datafield>
  <datafield tag="024" ind1="7" ind2=" ">
    <subfield code="a">G:(GEPRIS)318763901</subfield>
    <subfield code="d">318763901</subfield>
  </datafield>
  <datafield tag="040" ind1=" " ind2=" ">
    <subfield code="a">GEPRIS</subfield>
    <subfield code="c">http://gepris.its.kfa-juelich.de</subfield>
  </datafield>
  <datafield tag="150" ind1=" " ind2=" ">
    <subfield code="a">SFB 1294: Datenassimilation – Die nahtlose Verschmelzung von Daten und Modellen</subfield>
    <subfield code="y">2017 -</subfield>
  </datafield>
  <datafield tag="371" ind1=" " ind2=" ">
    <subfield code="a">Professorin Dr. Melina Freitag</subfield>
  </datafield>
  <datafield tag="371" ind1=" " ind2=" ">
    <subfield code="a">Professor Dr.-Ing. Sebastian Reich</subfield>
  </datafield>
  <datafield tag="450" ind1=" " ind2=" ">
    <subfield code="a">DFG project G:(GEPRIS)318763901</subfield>
    <subfield code="w">d</subfield>
    <subfield code="y">2017 -</subfield>
  </datafield>
  <datafield tag="510" ind1="1" ind2=" ">
    <subfield code="a">Deutsche Forschungsgemeinschaft</subfield>
    <subfield code="0">I:(DE-588b)2007744-0</subfield>
    <subfield code="b">DFG</subfield>
  </datafield>
  <datafield tag="680" ind1=" " ind2=" ">
    <subfield code="a">Die nahtlose Integration großer Datenmengen in komplexe Computermodelle bildet eine der großen Herausforderungen der mathematischen Wissenschaften im 21. Jahrhundert. Die Verschmelzung von Daten und Modellen wird Datenassimilation genannt, falls die Computermodelle auf Evolutionsgleichungen beruhen und die Daten zeitlich strukturiert sind. Die Assimilation von Daten in Computermodelle dient einem breitem Spektrum von Zwecken, welches von der Kalibrierung von Modellen über Modellvergleiche bis hin zur Entwicklung neuer Modelle reicht. Das Gebiet der Datenassimilation ist durch Anwendungen in der Meteorologie, Hydrologie und Rohstoffsuche vorangetrieben worden. Eine theoretische Untermauerung existierender Algorithmen fehlt jedoch weitestgehend. Weiterhin erfordern neue Anwendungen in der Biologie, Medizin und den Kognitions- und Neurowissenschaften neuartige Assimilationstechniken. Es sind daher die zwei Hauptziele des SFB: 1) systematisch Methoden zur Datenassimilation zu entwickeln und 2) deren Effizienz und Robustheit am Beispiel etablierter und neuer Anwendungsgebiete zu demonstrieren. Der SFB ergänzt die Bayes’sche Sichtweise auf die Datenassimilation durch eine allgemeine statistische Herangehensweise an die innewohnenden Inferenzprobleme. Wesentliche Herausforderungen ergeben sich sowohl aus der Hochdimensionalität und Nichtlinearität der Modelle als auch der nicht-Gaußschen Statistik der Daten. Die Anwendungsbereiche des SFB schließen die Geowissenschaften (Weltraumphysik, Seismologie und Hydrologie) ein aber auch neue Anwendungsgebiete der Datenassimilation wie die Biophysik, die Kognitionswissenschaften und die Pharmakologie.</subfield>
  </datafield>
  <datafield tag="909" ind1="C" ind2="O">
    <subfield code="o">oai:juser.fz-juelich.de:921282</subfield>
    <subfield code="p">authority:GRANT</subfield>
    <subfield code="p">authority</subfield>
  </datafield>
  <datafield tag="980" ind1=" " ind2=" ">
    <subfield code="a">G</subfield>
  </datafield>
  <datafield tag="980" ind1=" " ind2=" ">
    <subfield code="a">AUTHORITY</subfield>
  </datafield>
  <datafield tag="909" ind1="C" ind2="O">
    <subfield code="o">oai:juser.fz-juelich.de:921282</subfield>
  </datafield>
</record>
</collection>