Logo ZeTeM

Zentrum für Technomathematik

ZeTeM > Über das ZeTeM > Mitarbeiter > Prof. Dr. Dr. h.c. Peter Maaß

Kontakt Sitemap Impressum [ English | Deutsch ]
Bild Prof. Dr. Dr. h.c. Peter Maaß

Prof. Dr. Dr. h.c. Peter Maaß

Leiter der AG Technomathematik
Direktor des Zentrums für Technomathematik

Raum: MZH 2250
E-Mail: pmaass@math.uni-bremen.de
Telefon: (0421) 218-63801
ORCID iD:  0000-0003-1448-8345

Lebenslauf

26.10.59 geboren in Karlsruhe
1979-81 Mathematik-Studium an der TH Karlsruhe
1981-82 Pembroke College, Cambridge, England (DAAD-Stipendium)
1982-85 Studium an der Universität Heidelberg
5.6.1985 Diplom in Mathematik (Diplomarbeit bei Prof. Dr. E. Hairer)
 
1985-87 Mitarbeiter im DFG-Projekt (Prof. Dr. A.K. Louis) "Entwicklung effizienter Algorithmen für die Computer-Tomographie"
1987-90 wissenschaftlicher Mitarbeiter am Fachbereich Mathematik TU Berlin
3.2.1988 Promotion in Berlin
 
1990-91Assistant Professor, Tufts University, Boston (Tomographie Arbeitsgruppe: A. Cormack, E.T. Quinto), 1990-1991
1991-93 Hochschul-Assistent, Universität Saarbrücken
21.5.1993 Habilitation in Saarbrücken
 
1993-99 Professur (C4) für Numerische Mathematik in Potsdam
seit 1999 Professur (C4), Direktor des Zentrums für Technomathematik in Bremen

Sonstiges:

Forschungsgebiete

Leitung von Projekten

  1. AGENS - Analytisch-generative Netzwerke zur Systemidentifikation (01.04.2020 - 31.03.2023)
  2. HYDAMO - Hybride datengetriebene und modellbasierte Simulation komplexer Strömungsprobleme in der Fahrzeugindustrie (01.04.2020 - 31.03.2023)
  3. SPAplus: Small Data Probleme in der digitalen Pathologie und programmbegleitende Maßnahmen (01.04.2020 - 31.03.2023)
  4. DIAMANT - Digitale Bildanalyse und bildgebende Massenspektrometrie zur Differenzierung von nichtkleinzelligem Lungenkrebs (01.01.2020 - 31.12.2022)
  5. EU-ROMSOC: Teilprojekt ''Data Driven Model Adaptations of Coil Sensitivities in MR Systems'' (01.11.2017 - 30.04.2021)
  6. BMBF-MPI²: Modellbasierte Parameteridentifikation in Magnetic Particle Imaging (01.12.2016 - 30.11.2019)
  7. DFG-Graduiertenkolleg: π³ Parameter Identification – Analysis, Algorithms, Applications (01.10.2016 - 31.03.2021)
  8. Neuronale Netze im MALDI Imaging (seit 01.10.2016)
  9. SFB 1232: Farbige Zustände - TP P02: Heuristische, statistische und analytische Versuchsplanung (01.07.2016 - 30.06.2020)
  10. Magnetic Particle Imaging (seit 01.03.2016)

Veranstaltungen (Auswahl)vollständige Liste

  1. Funktionalanalysis (Sommersemester 2020)
  2. Oberseminar: Deep Learning, Inverse Probleme und Datenanalyse (Sommersemester 2020)
  3. Mathematische Grundlagen der Datenanalyse und Bildverarbeitung (Wintersemester 2019/2020)
  4. Oberseminar Inverse Probleme (Wintersemester 2019/2020)
  5. Machine Learning (Sommersemester 2018)

betreute/begutachtete Dissertationen (Auswahl)vollständige Liste

  1. Neural Networks for solving Inverse Problems. Applications in Materials Science and Medical Imaging (Daniel Otero Baguer)
  2. Recurrence Quantification Compared to Fourier Analysis for Ultrasonic Non-Destructive Testing of Fibre Reinforced Polymers” (Carsten Brandt)
  3. Double Backpropagation with Applications to Robustness and Saliency Map Interpretability (Christian Etmann)
  4. Principles of Neural Network Architecture Design:Invertibility and Domain-Knowledge (Jens Behrmann)
  5. Quantum Frames and Uncertainty Principles arising from Symplectomorphisms (Daniel Lantzberg)

Abschlussarbeiten (Auswahl)vollständige Liste

  1. Out of Distribution Detection for Purity Assessment of Pellets using Neural Networks (Jannik Wildner)
  2. Differentiable architecture search - Fractional Kernel sizes in convolutional neural networks (Daniel Klosa)
  3. Invertible U-Nets for Memory-Efficient Backpropagation (Nick Heilenkötter)
  4. Application of Neural Networks For Solving Inverse Problems (Alexander Denker)
  5. Ein universelles Approximationstheorem für einschichtige neuronale Netze (Meira Iske)

Patente

  1. P. Maaß, J. H. Kobarg, F. Alexandrov, P. Vandergheynst, M. Goldabaee.
    Verfahren zum rechnergestützten Verarbeiten von räumlich aufgelösten Hyperspektraldaten, insbesondere von Massenspektrometriedaten.
    Deutsches Patent- und Markenamt DE102013207402A1,
    Anmeldenummer: 1020132074, Anmeldedatum: 24.04.2013.
    Veröffentlicht in Patenblatt Nr.: am 30.10.2014.
  2. P. Maaß, J. Oetjen, L. Hauberg-Lotte, F. Alexandrov, D. Trede.
    Verfahren zur rechnergestützten Analyse eines oder mehrerer Gewebeschnitte des menschlichen oder tierischen Körpers.
    Deutsches Patent- und Markenamt DE102014224916A1,
    Anmeldenummer: 1020142249, Anmeldedatum: 04.12.2014.
    Veröffentlicht in Patenblatt Nr.: am 06.09.2016.
    US Patent & Trademark Office, US 20160163523 A1,
    Anmeldenummer: 14/959967 , Anmeldedatum: 04.12.2014.
    Veröffentlicht am 09.06.2016
    Intellectual Property Office, GB 2535586,
    Anmeldenummer: GB1521058.6, Anmeldedatum: 30.11.2015.
    Veröffentlicht am 24.08.2016
    Institut national de la propriété industrielle, FR 3029671 A1,
    Anmeldenummer: FR1561774, Anmeldedatum: 03.12.2015.
    Veröffentlicht am 10.06.2016
  3. D. Trede, P. Maaß, H. Preckel.
    Method for analysing the effect of a test substance on biological and/or biochemical samples.
    US Patent and Trademark Office US2011/0098198 A1,
    Anmeldenummer: 2011009819, Anmeldedatum: 29.04.2009.
    Veröffentlicht in Patenblatt Nr.: PCT/EP09/55187 am 28.04.2011.
  4. D. Trede, P. Maaß, F. Alexandrov.
    Verfahren und Vorrichtung zur rechnergestützten Verarbeitung eines digitalisierten Bildes sowie maschinenlesbarer Datenträger.
    Deutsches Patent- und Markenamt 10 2011 003 242.8,
    Anmeldenummer: 102011003, Anmeldedatum: 27.01.2011.
    Veröffentlicht in Patenblatt Nr.: am 02.08.2012.
  5. D. Trede, P. Maaß, H. Preckel.
    Verfahren zur Analyse der Wirkung einer Testsubstanz auf biologische und/oder biochemische Proben.
    Europäisches Patentamt EP2128815,
    Anmeldenummer: 8155784, Anmeldedatum: 07.05.2008.
    Veröffentlicht in Patenblatt Nr.: 2009/49 am 02.12.2009.
  6. P. Maaß, A. K. Louis.
    Verfahren und Vorrichtung zur dreidimensionalen Computertomographie.
    Deutsches Patent- und Markenamt DE19623271A1,
    Anmeldenummer: 19623271, Anmeldedatum: 31.05.1996.
    Veröffentlicht in Patenblatt Nr.: 1997/49 am 04.12.1997.
  7. P. Maaß.
    Verfahren zur Segmentierung von Zeichen.
    Deutsches Patent- und Markenamt DE19533585C1,
    Anmeldenummer: 19533585, Anmeldedatum: 01.09.1995.
    Veröffentlicht in Patenblatt Nr.: 1997/02 am 09.01.1997.

Publikationen (Auswahl)vollständige Liste

  1. T. Boskamp, D. Lachmund, R. Casadonte, L. Hauberg-Lotte, J. H. Kobarg, J. Kriegsmann, P. Maaß.
    Using the chemical noise background in MALDI mass spectrometry imaging for mass alignment and calibration.
    Analytical Chemistry, 92(1):1301-1308, 2020.

    DOI: 10.1021/acs.analchem.9b04473
    online unter: https://doi.org/10.1021/acs.analchem.9b04473

  2. A. Denker, M. Schmidt, J. Leuschner, P. Maaß, J. Behrmann.
    Conditional Normalizing Flows for Low-Dose Computed Tomography Image Reconstruction.
    ICML Workshop on Invertible Neural Networks, Normalizing Flows, and Explicit Likelihood Models, 18.07-18.07.2020, Wien, Österreich.

    online unter: https://invertibleworkshop.github.io/accepted_papers/index.html

  3. S. Dittmer, T. Kluth, P. Maaß, D. Otero Baguer.
    Regularization by architecture: A deep prior approach for inverse problems.
    Journal of Mathematical Imaging and Vision, :456-470, Springer Verlag, 2020.

    DOI: 10.1007/s10851-019-00923-x
    online unter: http://link.springer.com/article/10.1007/s10851-019-00923-x

  4. M. Beckmann, P. Maaß, J. Nickel.
    Error analysis for filtered back projection reconstructions in Besov spaces.
    Erscheint in Inverse Problems
  5. T. H. Nguyen, D. Nho Hào, P. Maaß, L. Colombi Ciacchi.
    Mathematical aspects of catalyst positioning in lithium/air batteries.
    Inverse Problems, 36(4), 2020.

    DOI: 10.1088/1361-6420/ab47e6