Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMBeschreibung
Segmentierungsprobleme machen einen Großteil der Aufgaben in der Bildverarbeitung aus. Lösungen für schwierige Segmentierungsprobleme sind typischerweise komplex und maßgeschneidert. Höheres Potenzial für eine allgemeingültige Lösung haben maschinelle und statistische Lernverfahren. Trainingsdaten sind jedoch schwer zu beschaffen, und bei immer größer werdenden Bildern sind komplexere Modelle nötig, die den Rechenaufwand erhöhen.
Ich recherchiere, teste und entwickle deshalb als Alternative Quanten-Computing-Simulations- bzw. Lernverfahren. Außerdem untersuche ich, wie das Potential des Quanten-Computing genutzt werden kann, um maschinelle Lernverfahren zu verbessern oder zu vereinfachen. Schlussendlich werden die Methoden für Strukturen von Werkstoffen angewendet, welche durch die FIB-REM-Serienschnitttechnik 3D auf der Nanoskala abgebildet werden.