Maschinelles Lernen
Kulturelle Archive zum Leben erwecken
TechTransfer
EPFL
Ob Jazzaufnahmen, Konzertmitschnitte, Fotografien oder Interviews – EPFL-Forschende wenden Techniken des maschinellen Lernens und der digitalen Museologie auf kulturelle Datenarchive an, um neue künstlerische und kreative Erfahrungen zu ermöglichen.
Gämsen im Klimawandel
Forschung
WSL
Seit der letzten Eiszeit haben die Gämsen immer höhere Lagen besiedelt. Das zeigt eine Studie der Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL, in der Forschende genetische Informationen der Tiere mit Computermodellen kombinierten. Die daraus entstandenen Simulationen könnten künftig auch zeigen, wie die Tiere auf die fortschreitende Klimaerwärmung reagieren.
Schneller und smarter
Forschung
PSI
Wenn Grossforschungsanlagen wie der Schweizer Freie-Elektronen-Röntgenlaser SwissFEL und die Synchrotron Lichtquelle Schweiz SLS auf Hochtouren laufen, produzieren sie gewaltige Mengen an Daten. Um diese zu interpretieren und beispielsweise zur Entwicklung neuer Medikamente oder Materialien zu nutzen, bündelt das PSI jetzt seine Expertise im neuen Forschungsbereich Computergestützte Wissenschaften, Theorie und Daten.
Einfache Fragen – schwierige Antworten
Forschung
ETH Zürich
Als Mathematiker befasst sich Oliver Janzer mit Graphen. Darunter versteht man Gebilde aus Punkten, die miteinander verbunden sind oder nicht, wie beispielsweise die User von Facebook. Als ETH Fellow löst der junge Forscher jahrzehntealte mathematische Probleme.
Verwendung der Matrix zur Unterstützung von Meta bei der Vorbereitung
Forschung
EPFL
Nur 12 Monate nach seiner Gründung, im Dezember 2004, waren bereits 1 Million Menschen auf Facebook aktiv. Im Dezember 2021 hatte es durchschnittlich 1,93 Milliarden täglich aktive Nutzer. Die EPFL arbeitet in einer einzigartigen Kooperation mit ihrer Muttergesellschaft Meta im Bereich der verteilten Deep-Learning-Forschung zusammen.
Neuronales Netzwerk kann Baumhöhen von Satellitenbildern ablesen
Forschung
ETH Zürich
Mit Hilfe eines künstlichen neuronalen Netzwerks haben ETH-Forschende eine erste hochaufgelöste globale Vegetationshöhen-Karte aus Satellitenbildern für das Jahr 2020 erstellt. Die Karte könnte entscheidende Hinweise gegen den Klimawandel und das Artensterben liefern.
Seite 10 von 16