Prof. Dr. Dr. h.c. Peter Maaß

Leiter der AG Technomathematik
Direktor des Zentrums für Technomathematik

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
1990-91	Assistant 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:

• bundesweiter Innovationspreis 1997
• längere Forschungsaufenthalte, unter anderem:
  • University of California, Berkeley, 02-03/1996
  • CEREMADE, Paris VII, 04-08/2000
  • Univeristät Lund, Schweden, 11/2000-01/2001
  • University of Minnesota, USA, 09-10/2005
  • University of California, Berkeley, USA, 10-12/2010
  • University of Cambridge, Großbritannien, 04-07/2011 und 04-07/2018
• Sprecher des DFG-Schwerpunktprogramms 1114 "Mathematische Methoden der Signal- und Bildverarbeitung", 2001-2008
• Vizepräsident DMV, 2002-2003
• Leiter der Doktorandengruppe "Scientific Computing in Engineering", 2004-2010
• Mitglied des Editorial Committee der "Mathematical Reviews", 2005-2012
• Stellvertretender Sprecher des SFB 747 "Mikrokaltumformen", seit 2007
• Mitglied im Auswahlausschuss zur Vergabe von Humboldt-Forschungsstipendien, 2009-2017
• Koordinator des EU FP7 Projektes "UNLocX", 2010-2013
• Mitglied im Advisory Board des IWR Heidelberg, seit 2014
• Sprecher des DFG Graduiertenkollegs 2224 "Parameter Identification", seit 2016
• Stellvertretender Vorsitzender KoMSO, seit 2017

Forschungsgebiete

• Inverse Probleme
• Maschinelles Lernen
• Bild- und Signalverarbeitung in den Life Sciences
• Computational Engineering
• Systemtheorie und Parameteridentifikation

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. Invertible U-Nets for Memory-Efficient Backpropagation (Nick Heilenkötter)
2. Application of Neural Networks For Solving Inverse Problems (Alexander Denker)
3. Ein universelles Approximationstheorem für einschichtige neuronale Netze (Meira Iske)
4. Deep Learning for Picking Seismic Arrival Times at Neumayer Station, Antarctica (Louisa Granzow)
5. Joint-Motion und Bildrekonstruktion für Magnetic Particle Imaging in 2D und 3D (Dennis Zvegincev)

Patente

2. 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.
4. 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
6. 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.
8. 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.
10. 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.
12. 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.
14. 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. S. Dittmer, C. Schönlieb, P. Maaß.
   Ground Truth Free Denoising by Optimal Transport.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2007.01575

2. S. Dittmer, T. Kluth, M. Henriksen, P. Maaß.
   Deep image prior for 3D magnetic particle imaging: A quantitative comparison of regularization techniques on Open MPI dataset.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2007.01593

3. S. Dittmer, T. Kluth, D. Otero Baguer, P. Maaß.
   A deep prior approach to magnetic particle imaging.
   Zur Veröffentlichung eingereicht.
4. 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

5. 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

© Zentrum für Technomathematik 2008-2020