Forschungsgruppen

Sprecher: Professor Dr. Dieter Vollhardt (Universität Augsburg)

Laufzeit: 2010-2018

In vielen chemischen Elementen und ihren Verbindungen wechselwirken die Elektronen stark - sie sind "stark korreliert“. In diesen Systemen können bereits geringe Änderungen äußerer Parameter, z.B. Temperatur, Druck, Magnetfeld oder Dotierung, zu starken Veränderungen führen. Beispiele sind die extrem großen Widerstandsänderungen an einem Metall-Isolator-Übergang und die Hochtemperatur-Supraleitung.
Diese ungewöhnlichen Eigenschaften sind nicht nur für die Grundlagenforschung, sondern auch für zukünftige technologische Anwendungen von größtem Interesse. Materialien mit korrelierten Elektronen spielen z.B. für den Bau von Sensoren und Schaltern und für die Entwicklung neuartiger elektronischer Bauelemente mit nützlichen Funktionalitäten eine große Rolle.
Aufgrund der starken Wechselwirkung der quantenmechanischen Teilchen sind elektronisch korrelierte Festkörper theoretisch besonders schwer zu erforschen. Hier hat die Entwicklung der sogenannten "Dynamischen Mean-Field-Theorie“ (DMFT) zu einem konzeptionellen Durchbruch geführt. Die Verknüpfung der DMFT mit herkömmlichen Methoden für die Berechnung der elektronischen Eigenschaften von Festkörpern eröffnete darüber hinaus einen völlig neuen Zugang zur realistischen Modellierung korrelierter Materialien.
Trotz seiner Erfolge muss dieser neue Ansatz doch noch erheblich weiterentwickelt werden, wenn er in Zukunft auch auf komplexe elektronische Systeme anwendbar sein soll. Das ist genau das Ziel der ortsverteilten Forschergruppe. Sie beabsichtigt, durch die Zusammenarbeit aller aktiven Forschergruppen im deutschsprachigen Teil Europas einen neuen Standard in der rechnergestützten Untersuchung korrelierter Festkörper zu erreichen, der es ermöglicht, die Eigenschaften komplexer korrelierter Materialien zu berechnen und sogar vorherzusagen.

Prof. Dr. Lichtenstein aus dem Fachbereich Physik ist Teilprojektleiterin des Projektes: Realistic many-body approach to materials with strong nonlocal correlations 

weitere Informationen >

Sprecher*in:
Prof. Dr. Detlef Stammer
Universität Hamburg
CEN Centrum für Erdsystemforschung und Nachhaltigkeit
Bundesstraße 53
20146 Hamburg
Email: detlef.stammer@uni-hamburg.de( detlef.stammer"AT"uni-hamburg.de)

Förderzeitraum: 2013 - 2019

Beteiligte Fachbereiche: Erdsystemwissenschaften

1,1 Millionen Euro für neue DFG-Forschergruppe an der Universität Hamburg zu Auswirkungen des Salzgehalts im Meer auf das Klima

21. März 2013 Die Deutsche Forschungsgemeinschaft (DFG) hat eine neue Forschergruppe unter Federführung der Universität Hamburg bewilligt. In dem Projekt „A New Approach toward Improved Estimates of Atlantic Ocean Freshwater Budgets and Transports as Part of the Global Hydrological Cycle” arbeiten Wissenschaftlerinnen und Wissenschaftler aus der Ozeanografie, der Atmosphärenphysik sowie der Luft-Wasser-Interaktion zusammen. Beteiligt sind das Alfred-Wegener-Institut für Polar- und Meeresforschung, die Universität Bremen, das GEOMAR Helmholtz-Zentrum für Ozeanforschung Kiel, das Max-Planck-Institut für Meteorologie und der Deutsche Wetterdienst. Sprecher ist Prof. Dr. Detlef Stammer, Centrum für Erdsystemforschung und Nachhaltigkeit der Universität Hamburg. Das Projekt ist auf sechs Jahre angelegt und wird in den kommenden drei Jahren mit insgesamt 1,1 Millionen Euro von der DFG gefördert. Ziel ist es, Variationen in den Zuflüssen von Frischwasser im Atlantik und deren Auswirkungen auf den Ozean zu analysieren und zu verstehen. Der Atlantik gilt als eines der Schlüsselgebiete für das Weltklima.

Universitätspräsident Prof. Dr. Dieter Lenzen sagte zu der Bewilligung: „Ich gratuliere Prof. Stammer und den beteiligten Wissenschaftlerinnen und Wissenschaftlern zu diesem Erfolg und freue mich, dass die Meeres- und Klimawissenschaften an der Universität Hamburg einmal mehr ihre führende Position in der Forschung zum Verständnis des globalen Klimas bewiesen haben.“

Im Atlantischen wie im Pazifischen und im Indischen Ozean, die zusammen insgesamt etwa 71 Prozent der Erdoberfläche bedecken, wirken ständig gewaltige Strömungen, in denen sich das Wasser wie ein gigantisches Fließband um den Globus bewegt. Dabei gelangt immer wieder Oberflächenwasser in die Tiefe und wird an anderer Stelle wieder nach oben getragen. So wird ständig warme Meeresströmung nach Norden befördert, die das Klima in West- und Nordeuropa prägt. Verantwortlich für diese gewaltige Wärmepumpe sind Winde sowie die Temperatur und der Salzgehalt des Wassers. Vermehrte Niederschläge in nördlichen Breitengraden aufgrund der globalen Erwärmung sowie die Gletscherschmelze würden diese Zirkulation durch einen steigenden Süßwasseranteil im Nordatlantik ändern, sodass weniger warmes Wasser nach Norden transportiert werden würde. Für Nordwesteuropa könnte das zu Klimaschwankungen führen, bei dem trotz globaler Erderwärmung die Temperaturen regional sinken.

Das Forschungsprojekt wird den Fragen nachgehen, wie und wie stark der obere Atlantik und das Meereis den weltweiten Wasserzyklus beeinflussen. Dazu werden Prozesse wie Verdunstung, Niederschlag oder Eisschmelze mit modernen Beobachtungs- und Satellitentechniken betrachtet. Darüber hinaus kommen auch Rechenmodelle zum Einsatz.

Die orts- und fächerübergreifend arbeitenden DFG-Forschergruppen ermöglichen es Wissenschaftlerinnen und Wissenschaftlern, sich aktuellen und drängenden Fragen ihrer Fachgebiete zu widmen sowie innovative Arbeitsrichtungen zu etablieren. An der Universität Hamburg gibt es zurzeit sechs von deutschlandweit insgesamt 218 DFG-Forschergruppen, an weiteren zwölf ist die Universität beteiligt.

Quelle

Projekthomepage >

Sprecher:

Prof. Dr. Holger Drees
Fachbereich Mathematik, SPST
Universität Hamburg
Bundesstr. 55
20146 Hamburg
Email: drees@math.uni-hamburg.de( drees"AT"math.uni-hamburg.de)

Prof. Dr. Markus Reiß (Humboldt-Universität zu Berlin)

Förderzeitraum: 2012  - 2020

Aufgrund der zunehmenden Verfügbarkeit umfangreicher Datenmengen spielen statistische Verfahren sowohl in wissenschaftlichen als auch in praktischen Anwendungen eine immer wichtigere Rolle. Da jedoch realistische Modelle (z.B. wegen der hohen Dimension der Daten oder wegen vielschichtiger Abhängigkeiten) oft sehr komplex sind, ist die statistische Genauigkeit trotz des umfangreichen Datenmaterials in vielen Fällen unbefriedigend. Die Forschergruppe hat es sich zum Ziel gesetzt, neue Methoden zu entwickeln, um Strukturen, die in hochdimensionalen komplexen Daten vorhanden sind, gewinnbringend auszunutzen. Dabei wird der Begriff "Strukturen" in einem weiten Sinne verstanden und kann sich nicht nur auf die Größen beziehen, die durch die statistische Analyse untersucht werden sollen (wobei insbesondere an die Glattheit von Kurven oder "sparsity" oder niedrige Dimension von interessierenden Vektoren und Matrizen zu denken ist), sondern auch auf die Struktur der Daten selbst, die unbekannte Korrelationsmatrizen, hierarchische oder Multiskalen-Interaktionen, dynamische Systeme oder Regularitätseigenschaften eines Rauschens umfassen kann. Da üblicherweise die genaue Form der zugrunde liegenden Struktur unbekannt ist, sollen sich die statistischen Verfahren automatisch an die korrekte Struktur (innerhalb einer vorgegebenen Klasse) adaptieren und somit die Struktur (fast) ebenso effizient ausnutzen, als wenn diese genau bekannt wäre. Zugleich führen Erkenntnisse über die Struktur selbst zu einem vertieften Verständnis des die Daten erzeugenden Zufallsprozesses. Wenn beispielsweise ein niedrigdimensionales "Signal" von einem hochdimensionalen Rauschen überlagert wird, dann ermöglicht die Rekonstruktion des niedrigdimensionalen Unterraums nicht nur eine effiziente Schätzung des Signals, sondern sie gibt (ähnlich wie in der Faktoranalyse) wichtige Hinweise auf den die Daten erzeugenden Prozess. Es ist das Langfristziel der Forschergruppe, einen allgemeinen Zugang zur Konstruktion von statistischen Verfahren zu entwickeln, die automatisch simultan an verschiedene Strukturen adaptieren, die in den Daten vorhanden sind. Die resultierenden effizienten Methoden werden eine erhebliche Verbesserung der statistischen Analyse komplexer struktureller Modelle in vielfältigen Gebieten ermöglichen.(Quelle)

weitere Informationen