In den letzten Jahren wurden unterschiedliche datenbasierte Algorithmen zur Approximation von dynamischen Systemen oder damit verbundenen Transferoperatoren entwickelt. Ein Vorteil solcher Verfahren ist, dass sie direkt auf Mess- oder Simulationsdaten angewendet werden können, ohne das zugrundeliegende System zu kennen.

Das Ziel des Seminars ist die Analyse verschiedener Verfahren aus dem Bereich des maschinellen Lernens, insbesondere für Moleküldynamik- und Fluiddynamikprobleme sowie für Text- und Videodaten.

Mögliche Themen:
- Modellreduktion
- Rekonstruktion der Modellgleichungen aus Daten
- Transferoperatorapproximation
- Berechnung metastabiler und kohärenter Mengen
- Hilberträume mit reproduzierendem Kern