Unter Machine Learning (ML) versteht man einen Zweig der Datenwissenschaft, bei dem Algorithmen aus Trainingsdaten Muster und Gesetzmäßigkeiten „lernen“ und dann zur Verarbeitung neuer Daten verwenden können. In den vergangenen Jahren hat maschinelles Lernen erfolgreiche Anwendungen in der automatischen Sprach-, Text- und Bilderkennung hervorgebracht. Nun gewinnen diese Verfahren in den Geowissenschaften zunehmend an Popularität.
Beim GFZ-Machine-Learning-Hackathon nahmen Forschende aus allen vier Departments, des „eScience“-Zentrums sowie externe Gäste aus dem „Geo.X-Netzwerk“ in Berlin und Brandenburg teil. Bei der Abschätzung von Mineralgehalten im Boden aus Infrarotdaten gelang es für bestimmte Mineralien, ihren Gehalt mit bis zu 95 Prozent Genauigkeit vorherzusagen. Bei der Vorhersage von Erdbeben in Laborexperimenten schafften es die Teilnehmer, die Abfolge der typischen Phasen eines Erdbebens in den seismischen Daten zu identifizieren.
Ziel der Gruppe ist ein weiterer Ausbau der Machine Learning-Kompetenzen am GFZ und eine Ausweitung zum „Kompetenzzentrum Telegrafenberg“, in dem ein Erfahrungsaustausch und gemeinsame Aktivitäten mit PIK, AWI und AIP stattfinden. Auch der Erfahrungsaustausch mit anderen Machine Learning-Interessierten innerhalb der Helmholtz Gemeinschaft ist für „ML@GFZ“ wichtig: Die Helmholtz-AI-Plattformen liefen jetzt an, erklärt der Leiter der GFZ-Sektion „Seismologie“ Frederik Tillmann. Er vertritt das GFZ im Lenkungsausschuss der Helmholtz Artificial Intelligence Cooperation Unit (Helmholtz AI). Die Helmholtz-AI-Plattformen werde zusätzlich dazu beitragen, mehr Wissenschaftlern Zugang zu KI-Methoden zur Unterstützung ihrer Forschung zu ermöglichen.
Beim ersten GFZ-Machine-Learning-Hackathon waren folgende GFZ-Sektionen vertreten:
- Geodätische Weltraumverfahren
- Fernerkundung und Geoinfomatik
- Erdbeben- und Vulkanphysik
- Seismologie
- Geodynamische Modellierung
- Erdbebengefährdung und dynamische Risiken
- Geomikrobiologie
- Dynamik der Lithosphäre
- Geomechanik und wissenschaftliches Bohren
- Hydrologie
- Sedimentbeckenmodellierung
- Geomorphologie
- Erdoberflächenprozessmodellierung
Weitere Informationen unter www.gfz-potsdam.de