Institutskolloquium SS 2017

Das Institutskolloquium findet während der Vorlesungszeit an jedem Donnerstag um 17:15 Uhr im Raum 05-432 (Hilbertraum) statt. Ab 16:45 Uhr gibt es Kaffee und Kuchen.

Programm

20.04.2017 17 Uhr c.t. Name
Titel

27.04.2017 17 Uhr c.t. Name
Titel

04.05.2017 16 Uhr c.t. Festkolloquium aus Anlass der Geburtstage von Prof. Dr. Heinrich Mülthei und Prof. Dr. Claus Schneider
Prof. Dr. Ansgar Jüngel (TU Wien)
Nanoprozessoren: unvorstellbar klein und unglaublich schnell. Modellhierarchie, Analysis, Simulationen
Dr. Jochen Göttelmann (Lufthansa Cargo)
Von Wavelets, Portlets und Winglets

11.05.2017 17 Uhr c.t. Name
Titel

18.05.2017 17 Uhr c.t. JunProf. Dr. Andrea Barth (Universität Stuttgart)
Quantification of Uncertainty via Multilevel Monte Carlo Methods

01.06.2017 17 Uhr c.t. Prof. Dr. Lutz Hille (Universität Münster)
t.b.a.

08.06.2017 17 Uhr c.t. Name
Titel

22.06.2017 17 Uhr c.t. Name
Titel

29.06.2017 17 Uhr c.t. Prof. Dr. Tom Archibald (Simon Fraser University, Burnaby, Kanada)
t.b.a.

06.07.2017 17 Uhr c.t. Name
Titel

13.07.2017 17 Uhr c.t. Name
Titel

Abstracts:
04.05.2017: Prof. Dr. Ansgar Jüngel (TU Wien)
Der Erfolg der Computertechnologie basiert wesentlich auf der Miniaturisierung der Halbleiterbauteile in den Computerprozessoren. Moderne Bauteile haben einen Durchmesser von nur wenigen Nanometern, so dass aufgrund physikalischer Grenzen die Entwicklung neuer Technologien notwenig wird. In diesem Vortrag werden einige Aspekte der mathematischen Modellierung von Halbleiterbauelementen, der Analysis der resultierenden partiellen Differentialgleichungen und ihre numerische Simulation mit Hilfe von Finiten Elementen oder Finiten Volumen vorgestellt. Der Fokus liegt auf kinetischen Gleichungen und ihre Diffusionsgrenzgleichungen. Für deren Analysis wird eine neue Technik (systematische partielle Integration) erlaeutert, die auf polynomielle Entscheidungsprobleme der reellen algebraischen Geometrie führt.

 

18.05.2017: JunProf. Dr. Andrea Barth (Universität Stuttgart)
Multilevel Monte Carlo methods were introduced to decrease the computational complexity of the calculation of, for instance, the expectation of a random quantity. More precisely, in comparison to standard Monte Carlo methods, the computational complexity is (asymptotically) equal to the calculation of one sample of the problem on the finest discretization grid used. The price to pay for this increase in efficiency is that the problem must be solved not only on one (fine) grid, but on a hierarchy of discretizations. This implies, first, that the solution has to be represented on all grids and, second, that the variance of the detail (the difference of approximate solutions on two consecutive grids) converges with the refinement of the grid.
In this talk, I will give an introduction to multilevel Monte Carlo methods in the case when the variance of the detail does not converge uniformly. The idea is illustrated by the calculation of the expectation for an elliptic problem with a random (multiscale) coefficient and then extended to approximations of discontinous nature, e.g. Poisson noise.

Archiv: