Interpretable surrogates for efficient analog timeseries forecasting

Systeme mit komplexer Dynamik sind in der Natur und im Alltag allgegenwärtig. Beispiele sind Systeme wie das menschliche Herz, Verkehrsmodelle, Wettersysteme und das globale Klima. Für all diese Beispiele besteht der Wunsch, die zeitliche Entwicklung dynamischer Variablen vorhersagen zu können. Für Systeme, die komplexe oder chaotische Dynamiken aufweisen, ist dies eine herausfordernde Aufgabe. Die Tatsache, dass oft nicht alle Messdaten zur Verfügung stehen, macht eine Vorhersage noch komplizierter. Neben dem ständig wachsenden Bedarf an Algorithmen, die genaue Vorhersagen treffen können, besteht auch die Notwendigkeit, dass diese Algorithmen energieeffizient sind.

Das Ziel des Forschungsprojekts von Dr. Jaurigue ist es, recheneffiziente Algorithmen zu entwickeln. Diese können in physische Hardware und nicht als Software auf einem herkömmlichen Computer implementiert werden. Dabei soll es sich um einen kompakten und aufgabenanpassungsfähigen Algorithmus handeln, der in energieeffizienter Hardware eingesetzt werden kann. Der Algorithmus soll als Edge-Geräte für die Zeitreihenvorhersage in medizinischen und industriellen Anwendungen eingesetzt werden.