German National Library of Science and Technology
Repositorium für Naturwissenschaften und TechnikNot a member yet
29164 research outputs found
Sort by
Schlussbericht
No full textDeep Reinforcement Learning (DRL) erzielte in den letzten Jahren große Erfolge. Dabei sind die Einsatzgebiete sehr vielfältig und reichen von alltäglichen Anwendungen bis hin zur Forschung komplexer Optimierungsprobleme. Trotz großer Fortschritte im Bereich DRL, sind solche Algorithmen immer noch sehr ineffizient in ihrer Datennutzung. Darüber hinaus neigen sie stark zu einer overfitting an die gegebenen Datensätze was die Generalisierung von DRL Algorithmen auf andere Datensätze oft sehr erschwert.
Dieses Projekt adressiert diese Probleme, um das volle Potenzial solcher Algorithmen ausschöpfen zu können und damit die Anwendung auf komplexere und hochdimensionale Probleme weiter zu vereinfachen. Dabei befassen wir uns konkret in diesem Projekt mit den folgenden Grundproblemen: Rechen- und Datenanforderungen, menschliche Überwachung und Overfitting auf gegebene Datensätze bzw. Aufgaben. Wir werden in diesem Projekt zeigen, dass diese scheinbar unterschiedlichen Probleme durchaus gemeinsame Ursachen haben, welche durch eine vereinheitlichte Sichtweise sowie eine gemeinsame Adressierung zu effizienteren und damit praktischeren DRL Algorithmen führt.
Wir werden die entscheidende Bedeutung unserer methodischen Fortschritte beim Erlernen von Fortbewegungsfähigkeiten auf einem beinbetriebenen Rollstuhl aufzeigen. Bei dieser Anwendung muss sich der Rollstuhl robust und sicher mit unterschiedlichen Geschwindigkeiten fortbewegen, dabei Hindernissen ausweichen und sich an unterschiedliche Geländeformen anpassen.
Die in TriFORCE durchgeführte Forschung wird RL-Methoden untersuchen, die es Agenten ermöglichen, effizient Fähigkeiten in komplexen hochdimensionalen Problemen zu erlangen, z.B. in realen Problemen wie der Fortbewegung auf Beinen. Wir werden dieses wichtige Ziel durch ein Arbeitsprogramm erreichen, das in vier Arbeitspakete (WPs) unterteilt ist. WP1, WP2 und WP3 werden die methodologischen Fortschritte für RL und Deep RL vorstellen, um strukturierte, wiederverwendbare und verallgemeinerte Fähigkeiten zu erhalten. WP4 wird eine vereinheitlichende Sichtweise dieser Ansätze vorschlagen, die wir nutzen werden, um unsere algorithmischen Lösungen vorzuschlagen. Darüber hinaus wird WP4 eine Testumgebung für unsere Methoden für ein Fortbewegungsproblem mit einem beinigen Rollstuhl bereitstellen, sowohl in der Simulation als auch an einem realen Roboter.
Die Arbeitsgruppen sind so organisiert, dass Synergieeffekte zwischen ihnen gefördert werden. Die in WP1 durchgeführte Forschung zur Aufgabenzerlegung dient als Ausgangspunkt für die Übertragung von Fähigkeiten mit neuartigen Restlernansätzen in WP2.
Die Arbeit zum Optionslernen in WP1 wird in WP3 für die Einführung von Methoden zum Meta-Lernen von Explorationsstrategien genutzt. Die in WP2 erzielten Fortschritte bei der Wiederverwendung von Wissen werden in WP3 zur Verbesserung der Generalisierung über heterogene Aufgaben hinweg genutzt. Schließlich wird WP4 die in den anderen WPs erzielten Fortschritte berücksichtigen, um algorithmische Lösungen für Agenten mit mehreren Fähigkeiten vorzuschlagen, die in reichhaltigen Umgebungen agieren können, und die Effektivität dieser Methoden an einer Fortbewegungsaufgabe mit einem beinigen Rollstuhl testen.
TriFORCE glaubt fest an die Bedeutung der Verbreitung wissenschaftlicher Ergebnisse. Wir werden die Ergebnisse unserer Arbeit in führenden Konferenzen und Zeitschriften zu KI, maschinellem Lernen und Robotik veröffentlichen und sie auch in unseren Workshops präsentieren. Die bemerkenswertesten Ergebnisse werden in die RL- und Roboterlernkurse an der TU Darmstadt integriert, wo wir auch mehrere B.Sc. und M.Sc.-Arbeiten vorschlagen werden.
Im Mittelpunkt des Projekts steht hochinnovative Grundlagenforschung, die sich auf eine Vielzahl potenzieller Anwendungen auswirken kann, von denen mehrere in TriFORCE untersucht werden. Der Transfer in Technologien, die für neue Produkte oder Dienstleistungen genutzt werden, wird durch das Gründungs- und Technologietransferzentrum HIGHEST der TU Darmstadt unterstützt. Hier gibt es bereits etablierte Modelle für die Lizenzierung von Technologien, zum Beispiel an Hightech-Startups wie Freemotion Systems, die großes Interesse an den Ergebnissen von TriFORCE bekundet haben.
Wir beabsichtigen, 2 Ausgaben des Workshops ``Towards autonomous adaptive Reinforcement Learning agents in rich environments'' auf der renommierten International Conference on Machine Learning (ICML) zu organisieren. Wir werden Forscher mit bekannter Expertise in theoretischen Aspekten und praktischen Anwendungen von Deep RL in realen Problemen zusammenbringen. Ziel des Workshops ist es, Forscher aus verschiedenen Teilbereichen des RL zusammenzubringen, die das gleiche Ziel verfolgen, nämlich Effizienz und Wiederverwendbarkeit in Deep RL zu erreichen. Die unterschiedlichen Arbeiten und Erfahrungen der eingeladenen Forscher und Teilnehmer werden zu einer fruchtbaren Diskussion führen und Synergien zwischen ihnen fördern
Sachbericht zum Verwendungsnachweis
No full textDie gemeinsame Zielsetzung im Verbundprojekt HyLeiT und der Plattform H2Giga insgesamt war es, eine wirtschaftlich wettbewerbsfähige Wasserstoffelektrolyse mit Strom aus Erneuerbaren Energien zu ermöglichen. Dieses Teilvorhaben hatte dabei zum Ziel, Leistungshalbleiter für innovative Stromrichter zu erforschen, die zukünftig einen wesentlichen Beitrag zur langfristigen Wirtschaftlichkeit von Elektrolyseanlagen liefern können. Damit soll mittelfristig der nachhaltige Ausbau von grünem Wasserstoff unterstützt werden
RUBIN reACT - Vertical 3: Bone Repair - Erforschung konduktiv stimulativer Osteosyntheseimplantate für kritische Knochendefekte; TP 3.1: Metallische Pulverwerkstoffe zur additiven Fertigung resorbierbarer Implantat-Konzepte für kritische Knochendefekte
Full text linkAbschlussbericht
Full text linkIm Teilpaket VP4: Prozessing wurden für alle Projektpartner druckbare Pasten entwickelt und im 3D Siebdruck zu Grünteilen verdruckt. Nach Sintern entstanden daraus Testteile mit guten bis sehr guten Eigenschaften. Zudem konnten Strukturen hergestellt werden, die konventionell sehr schwierig oder auch gar nicht herstellbar sind. Damit wurde die Herstellbarkeit von Bauteilen aus den genannten Werkstoffen mittels Additive Manufacturing bewiesen
Schlussbericht
Full text linkDer Aufgabenbereich des Projektpartners Aachen im Verbundvorhaben PROGNOSIS umfasste die Entwicklung und Weiterentwicklung von Modellen zur Vorhersage der Krankenhausbelastung auf verschiedenen Versorgungsebenen während epidemischer und pandemischer Lagen. In diesem Rahmen sollten außerdem KI-basierte Methoden evaluiert werden, die Unstetigkeiten in der dynamischen Entwicklung des pandemischen Scenarios schnell und möglichst ohne einen a priori Bias identifizieren.
Aufbauend auf dem bereits existierenden DIVI-Prognosemodell sollten insbesondere Methoden zur Abschätzung des High-Care-Bedarfs (Intensivstation, Beatmung, ECMO) entwickelt, Aufenthaltsdauerverteilungen (Length of Stay) aus unterschiedlichen Datenquellen geschätzt und mit kurz- und langfristigen epidemiologischen Modellen der Verbundpartner verknüpft werden
abschließender Sachbericht zum Verwendungsnachweis : KMUi-Biomedizin-2
No full textZiel des Teilvorhabens der Universität Duisburg-Essen im Rahmen des Verbundprojekts "AdaptInnate Optimierung (AdInOpt)" war die präklinische Untersuchung und Optimierung von Arenavirus basierten Immuntherapien zur Verstärkung T Zellbasierter Tumortherapien. Aufbauend auf dem Stand der Forschung zu bispezifischen T Zell Engagern (TCEs) und CAR T Zellen sollte insbesondere die limitierte Wirksamkeit dieser Therapieformen in soliden Tumoren adressiert werden, welche durch eine unzureichende Infiltration und Aktivierung tumorreaktiver T Zellen bedingt sein könnte. Arenaviren, insbesondere optimierte LCMV Derivate wie ABX-001, zeichnen sich durch eine starke Aktivierung des angeborenen und adaptiven Immunsystems aus und besitzen das Potenzial, T-Zellinfiltrate in Tumoren zu induzieren. Ziel war es daher, die Kombination von ABX-001 mit TCEs zu untersuchen, um Synergien hinsichtlich Wirksamkeit, T Zell Infiltration und Sicherheit zu identifizieren.
Es konnte gezeigt werden, dass eine Voraktivierung des Immunsystems durch ABX-001 zu einer signifikanten Induktion hochaktivierter CD8+ Effektor T Zellen führt. Diese T Zellpopulationen zeigten in Kombination mit TRP1/CD3 TCEs eine deutlich gesteigerte anti tumorale Aktivität sowohl in vitro als auch in vivo. Im Vergleich zu anderen viralen Plattformen und zum klinisch zugelassenen onkolytischen Virus T VEC erwies sich ABX-001 als überlegen hinsichtlich der Induktion einer TCE responsiven T Zellantwort. In murinen Tumormodellen führte die Kombinationstherapie zu einer beschleunigten Tumorregression und einer signifikant verlängerten Überlebenszeit, ohne dass eine relevante Verstärkung therapieassoziierter Nebenwirkungen (gemessen durch das Surrogat-Zytokin IL 6) beobachtet wurde
Evaluierung von natürlichen Extrakten aus Algen für die Identifizierung von antientzündlichen Effekten - Sachbericht für Verwendungsnachweis
No full textAlgen sind zukunftsweisende Rohstoffe, deren wertvolle Inhaltsstoffe wie Vitamine, Carotinoide und Polyphenole jedoch durch robuste Zellwände geschützt sind. Da herkömmliche Aufschlussmethoden oft energieintensiv und aufgrund hoher Hitzeentwicklung materialschädigend wirken, evaluiert die Bioactive Food GmbH im Projekt "PLEXIM" ein innovatives Plasma-Verfahren des INP. Im Vergleich zu mechanischen Methoden wird dabei untersucht, inwieweit der schonende physikalische Aufschluss von Mikroalgen die Extraktion und Bioverfügbarkeit der bioaktiven Substanzen verbessert.
Insgesamt konnte in zahlreichen Versuchen gezeigt werden, dass die Plasma-Methode oft eine ähnliche starke Wirkung beim Aufschluss der verwendeten Mikro- und Makroalgen aufweist, wie die kombinierte Anwendung von Ultraschall und Kugelmühle. Die Plasma-Methode ist somit grundsätzlich eine sinnvolle Ergänzung zu den etablierten Aufschlussmethoden, um aktive Naturstoffe aus Algen extrahieren zu können. Allerdings zeigten die Experimente auch, dass bestimmte aktive Substanzen manchmal deutlich stärker freigesetzt werden. Dies gilt insbesondere bei den Extrakten, die die Expression von TNFalpha erhöhen. Offenbar ist das Profil an pro- bzw. antientzündlichen Substanzen zumindest bei den untersuchten Rohstoffen bzw. Algen anders (im Vergleich zu den
eingesetzten Verfahren Ultraschall und Kugelmühle). Weiterhin ist es wichtig, den Energieeintrag bei dem Einsatz des Plasmaverfahrens genau zu bestimmen, um eine möglichst gute Wirkung erzielen zu können. Möglicherweise werden aktiven Substanzen durch Wärme oder Radikale teilweise chemisch modifiziert und dadurch inaktiviert. Weiterhin zeigen die Versuche in den Zellkulturassays, dass die Extrakte möglicherweise eine gute Grundlage darstellen, um pflegende Kosmetika oder auch Nahrungsergänzungsmittel gegen chronische entzündliche Erkrankungen der Haut entwickeln zu können
