ERC Advanced Grant für Mathias Drton

Förderung von Projekt GRAPHMODE

15. April 2020
Mathias Drton

Mathias Drton, TUM-Professor für Mathematische Statistik, erhält vom Europäischen Forschungsrat (ERC) einen seiner hochdotierten Advanced Grants für sein Projekt "Graphical Models for Complex Multivariate Data". Es ist der erste Advanced Grant an unserer Fakultät - nach bisher 4 ERC Starting Grants und 2 ERC Consolidator Grants.

 

Die ERC Advanced Grants

Professor Mathias Drton ist einer von 185 Gewinnern des jährlichen ERC-Wettbewerbs für Advanced Grants. Der Preis fördert die innovativsten Forschungsprojekte exzellenter Wissenschaftler*innen, die in den letzten zehn Jahren Spitzenleistungen erbracht haben.

Die ERC Advanced Grants sind mit bis zu 2,5 Millionen Euro für 5 Jahre dotiert und sollen die Wissensbasis Europas stärken. Unter anderem können damit neue Stellen für PostDocs, Doktorand*innen und andere Forscher*innen geschaffen werden.

Die Finanzierung ist Teil des Forschungs- und Innovationsprogramms Horizont 2020. Damit forschen die Gewinner an Universitäten und Forschungszentren in 20 EU-Mitgliedstaaten und assoziierten Ländern. Die meisten Zuschüsse erhalten Deutschland (35), das Vereinigte Königreich (34) und Frankreich (21).

 

Das Projekt GRAPHMODE

Moderne wissenschaftliche Experimente produzieren oft multivariate Daten über die Aktivität der Komponenten komplexer Systeme. In seinem Projekt "Graphical Models for Complex Multivariate Data" (GRAPHMODE) entwickelt Mathias Drton neue Theorie und Methodik zur statistischen Analyse solcher Daten. Die behandelten graphischen Modelle sind wahrscheinlichkeitstheoretische Modelle, die feine kausale Abhängigkeiten zwischen den Komponenten eines Systems abbilden können.  

Anwendungen graphischer Modelle, etwa in Patientenstudien in der Medizin oder zur Untersuchung von Genexpressionsraten in der Biologie, stehen jedoch vor zahlreichen Herausforderungen wie latente – also nicht beobachtbare oder nicht beobachtete – Variablen, fehlende zeitliche Auflösung bei Studien von Rückkopplungsschleifen und unvollständige experimentelle Interventionen. Das Projekt GRAPHMODE soll klären, welche Rückschlüsse derartige unvollkommene Messungen erlauben. Darüber hinaus ist es Ziel, entsprechende praktische Methoden zur Datenanalyse zu entwickeln.