Dissertation & Software-Architektur (Dr. rer. nat. in Physik)

Titel der Dissertation:

Zeitreihenanalyse natürlicher Systeme mit neuronalen Netzen und Methoden der statistischen Physik sowie der nichtlinearen Dynamik

(Universität Oldenburg)

• Erstreferent: Prof. Dr. Pál Ruján
• Korreferenten: Prof. Dr. Bruno Eckhardt, Prof. Dr. Jürgen Parisi

Wissenschaftlicher Fokus & Algorithmen-Engineering

Analyse komplexer natürlicher Datenreihen und Vorhersage biologischer Zeitreihen.

• Ressourceneffizientes Machine Learning (RBF-Netzwerke):

Aufgrund der damals stark begrenzten Rechenleistung wurden statt schwerfälliger Multi-Layer-Perceptrons (MLP) optimierte Radial-Basis-Funktionen (RBF) mit eigener Erweiterung entwickelt und implementiert. Diese erreichten bei wesentlich kleinerem Rechenaufwand analoge Vorhersagequalitäten zu komplexen MLPs (im Rahmen einer externen Informatik-Vergleichsarbeit validiert).

Software-Architektur: Data-Stream-Network (Visual Node Editor)

Konzeption und Entwicklung einer erweiterbaren Analyse-Software zur Unterstützung der eigenen Promotion sowie als universelles Forschungswerkzeug für die gesamte Arbeitsgruppe.

• Visueller Node-Editor (Grafisches Datenfluss-Netzwerk):

Drag-and-Drop-Tool zur dynamischen Verknüpfung von Algorithmen und Datenquellen auf einem virtuellen Workspace (5.000 × 5.000 Pixel). Anwender konnten komplexe Analyseketten aus ca. 100 mathematischen Algorithmen ohne Neu-Kompilierung visuell verschalten und testen.

• Lazy Evaluation / Event-Driven Execution:

Ein Doppelklick auf einen Endknoten triggerte zielgerichtet nur die für dieses Ergebnis absolut notwendigen Teilberechnungen und vorgelagerten Knoten der gesamten Kette (Bedarfsausführung).

• C/C++ & Tcl/Tk Architektur (Cross-Platform / Linux-fähig):

Objektorientierter C++ Core mit entkoppelten Container-Klassen und standardisierten Schnittstellen für Netzwerkknoten. Einbindung von Tcl/Tk als GUI-Engine für vollkommene Plattformunabhängigkeit (Linux & Windows / Borland C++Builder).

• High-Performance, Visualisierung & Persistence:
  • Memory Caching: Intelligentes, bedarfsgesteuertes Laden von Datensträngen ins RAM zur Minimierung des Arbeitsspeicherbedarfs bei großen Zeitreihen.
  • Automatisierte 2D/3D-Grafik (Gnuplot): Direkt in die Software integrierte automatisierte Generierung von 2D- und 3D-Datengrafiken über Gnuplot (optimiert für den direkten Export/Copy-Paste in wissenschaftliche Publikationen und die Promotionsarbeit).
  • Persistence: Vollständige Serialisierung von Netzwerkstruktur, Datenzuständen und Desktop-Layout.
• Umfang: ca. 25.000 Lines of Code (~1 MB Quellcode), ca. 100 Algorithmen-Module, ausgelegt für bis zu 500 verknüpfte Knoten pro Netz.

Technologie-Stack: C++, Borland C++Builder, Tcl/Tk, Linux (POSIX), Radial-Basis-Funktionen (RBF / Neural Networks), Gnuplot (2D/3D), OOP, Container-Klassen, Lazy Evaluation.