“Horizonte erweitern” ist das Motto der Austauschprogramme der Helmholtz Information and Data Science Academy (HIDA). Diese Möglichkeit bekommen nun dreizehn Wissenschaftler:innen, deren dreimonatige Projekte am GFZ gefördert wurden. Zusammen mit den Zusagen der letzten Ausschreibungsrunde freuen wir uns, 2024 zwanzig Wissenschaftler:innen mit HIDA-Förderung am GFZ zu begrüßen.

Wir gratulieren folgenden Forscher:innen herzlich zur Förderung ihrer spannenden Projekte:

Bhadra Devadas (Indisches Institut für Technologie Madras) bei Nivedita Sairam (Sektion 4.4 Hydrologie)

“Data-driven Flood Risk Assessment of Commercial Assets in Europe” (Datengestützte Bewertung des Hochwasserrisikos von betrieblichen Vermögenswerten in Europa)

Sonia Guessoum (Universität Alicante) bei Harald Schuh (Department Geodäsie)      

“Deep Learning Networks for Celestial Pole Offsets Prediction” (Deep Learning-Netzwerke für die Vorhersage von Himmelspolverschiebungen)

Abdullahi Ibrahim (Max Planck Institut für Intelligente Systeme) bei Hui Tang (Sektion 4.7 Erdoberflächenprozessmodellierung)

“Optimal transport for real-time hazard warning system” (Optimaler Austausch für ein Echtzeit-Gefahrenwarnsystem)

Haonan Jiang (Wuhan Universität) bei Mahdi Motagh (Sektion 1.4 Fernerkundung und Geoinformation)

“Land subsidence in Wuhan revealed using a multi-sensor InSAR time series fusion approach” (Landabsenkung in Wuhan mit Hilfe eines Multisensor-InSAR-Zeitreihen-Fusionsansatzes)

Naghmeh Khajehali (Universität Wollongong) bei Hui Tang (Sektion 4.7 Erdoberflächenprozessmodellierung)

“Nature hazard and surface process monitoring with Federated Learning” (Überwachung von Naturgefahren und Oberflächenprozessen mit Föderalem Lernen)

Muhammad Yousaf Khan (Zentrum für Erdbebenforschung) bei Danijel Schorlemmer (Sektion 2.6 Erdbebengefährdung und dynamische Risiken)

“Estimation of the time-dependent seismic hazard for Pakistan and Its adjacent regions through probability and time series models” (Schätzung der zeitabhängigen seismischen Gefährdung für Pakistan und die angrenzenden Regionen durch Wahrscheinlichkeits- und Zeitreihenmodelle)

Vahid Khosravi (Tschechische Universität für Biowissenschaften Prag) bei Sibylle Itzerott (Sektion 1.4 Fernerkundung und Geoinformatik)

“Bayesian Transfer Learning with Graph Convolutional Neural Networks for Soil Organic Carbon Prediction: from Laboratory to Spaceborne Sensing Domains” (Bayes'sches Transfer-Lernen mit graphischen neuronalen Faltungsnetzen für die Vorhersage des organischen Kohlenstoffgehalts im Boden: vom Labor bis zu weltraumgestützten Erfassungsbereichen)

Kwadwo Kyenkyehene Kusi (CSIR Forst-Forschungsinstitut Ghana) bei Martin Herold (Sektion 1.4 Fernerkundung und Geoinformatik)

“Developing local allometric equations for the forest savannah transition zone in Ghana using terrestrial laser scanning” (Entwicklung lokaler allometrischer Gleichungen für die Wald-Savannen-Übergangszone in Ghana mit Hilfe von terrestrischem Laserscanning)

Alessandro La Rosa (Universität Pisa) bei Sascha Brune (Sektion 2.5 Geodynamische Modellierung)

“Automatic fault mapping and geodetic big data for the analysis of tectonic strain” (Automatische Störungskartierung und geodätische Big Data für die Analyse tektonischer Belastungen)

Mina Rahmani (Universität Isfahan) bei Jens Wickert (Sektion 1.1 Geodätische Weltraumverfahren)     

“Enhancing Soil Moisture Monitoring: A Hybrid Deep Learning Approach for Filling Missing Values in GNSS-R Time Series Data” (Verbesserung der Bodenfeuchteüberwachung: Ein hybrider Deep-Learning-Ansatz zum Ergänzen fehlender Werte in GNSS-R-Zeitreihendaten)

Yao Sun (Technische Universität München) bei Mahdi Motagh (Sektion 1.4 Fernerkundung und Geoinformatik)

“Simulating and Detecting Earthquake-Induced Building Damages in SAR Imagery” (Simulation und Erkennung von erdbebenbedingten Gebäudeschäden in SAR-Bildern)

Emixi Valdez Medina (Laval Universität) bei Bruno Merz  (Sektion 4.4 Hydrologie)    

“Integrating Social and Physical Aspects for Advanced Flood Impact Forecasting” (Integration sozialer und physikalischer Aspekte für eine fortschrittliche Hochwasserrisikovorhersage)

Jing Zou (Technische Universität Dresden) bei Sibylle Itzerott (Sektion 1.4 Fernerkundung und Geoinformatik)

„Crop growth statues index insurance design with a deep learning framework” (Entwurf einer Erntewachstumsindex-Statistik mit einem Deep Learning Framework

Horizonte erweitern – mit HIDA

HIDA ist Deutschlands größtes postgraduales Ausbildungsnetzwerk in den Informations- und Datenwissenschaften mit dem Ziel, den Wissenstransfer in diesen Bereichen innerhalb der Helmholtz-Gemeinschaft und über deren Grenzen hinaus zu fördern. Als Dachorganisation für die sechs Helmholtz Information & Data Science Research Schools fördert HIDA die Ausbildung von mehr als 250 Doktorandinnen und Doktoranden an der Schnittstelle zwischen den Datenwissenschaften und den Helmholtz-Forschungsbereichen. Allen Helmholtz-Nachwuchswissenschaftlerinnen und -Nachwuchswissenschaftlern bietet HIDA außerdem attraktive Möglichkeiten, sich in einem breiten Methodenspektrum aus- und weiterzubilden und Teil eines internationalen Data-Science-Netzwerks zu werden.

Darüber hinaus etabliert HIDA internationale und nationale Austauschprogramme für Data Science-Talente:

Mit dem HIDA Trainee Netzwerk ermöglicht HIDA gezielt jungen Helmholtz-Nachwuchswissenschaftlerinnen und -wissenschaftlern ein- bis dreimonatige Forschungsaufenthalte an einem anderen Helmholtz-Zentrum und unterstützt sie dabei finanziell.

Parallel dazu steht Data Scientists aus anderen Forschungseinrichtungen, der Wirtschaft oder aus dem Ausland das Helmholtz Visiting Researcher Program offen. Auch hier fördert HIDA ein- bis dreimonatige Gastaufenthalte an einem der 18 Helmholtz-Zentren.

Zukünftige Ausschreibungen werden über “Projekte & Internationales” bekannt gegeben. Für weitere Informationen zu den Programmen wenden Sie sich gerne an die hier genannten Kontaktpersonen.