Filter and export

Publications

What is a Publication?
1702 Publications visible to you, out of a total of 1702
Magnetic massive stars from stellar mergers

Abstract

Not specified

Authors: Fabian R. N. Schneider, Sebastian T. Ohlmann, Philipp Podsiadlowski, Friedrich K. Röpke, Steven A. Balbus, Rüdiger Pakmor, Volker Springel

Date Published: 1st May 2022

Publication Type: InProceedings

The clumped winds of the most massive stars

Abstract

Not specified

Authors: Sarah A. Brands, Alex de Koter, Joachim M. Bestenlehner, Paul A. Crowther, Jon O. Sundqvist, Joachim Puls, Saida M. Caballero-Nieves, Michael Abdul-Masih, Florian A. Driessen, Miriam Garcı́a, Sam Geen, Götz Gräfener, Calum Hawcroft, Lex Kaper, Zsolt Keszthelyi, Norbert Langer, Hugues Sana, Fabian R. N. Schneider, Tomer Shenar, Jorick S. Vink

Date Published: 1st May 2022

Publication Type: InProceedings

Magnetic massive stars from stellar mergers

Abstract

Not specified

Authors: Fabian R. N. Schneider, Sebastian T. Ohlmann, Philipp Podsiadlowski, Friedrich K. Röpke, Steven A. Balbus, Rüdiger Pakmor, Volker Springel

Date Published: 1st May 2022

Publication Type: InProceedings

Contact Tracing of Massive Binary Stars

Abstract (Expand)

Stellar mergers produce more massive, rejuvenated (strongly magnetic) stars, with potentially peculiar properties, and can be detected as luminous red novae. Using a grid of detailed 1D binary evolution … models, we aim to determine which binary systems are likely to merge and at what evolutionary stage. This will tell us more about the merger products, and might help us understand some of the trends found in observed single- and multiple-star populations.

Authors: Jan Henneco, Fabian R. N. Schneider, Saskia Hekker, Eva Laplace

Date Published: 1st May 2022

Publication Type: Journal

Convolutional autoencoders for spatially-informed ensemble post-processing

Abstract (Expand)

Ensemble weather predictions typically show systematic errors that have to be corrected via post-processing. Even state-of-the-art post-processing methods based on neural networks often solely rely on … location-specific predictors that require an interpolation of the physical weather model's spatial forecast fields to the target locations. However, potentially useful predictability information contained in large-scale spatial structures within the input fields is potentially lost in this interpolation step. Therefore, we propose the use of convolutional autoencoders to learn compact representations of spatial input fields which can then be used to augment location-specific information as additional inputs to post-processing models. The benefits of including this spatial information is demonstrated in a case study of 2-m temperature forecasts at surface stations in Germany.

Authors: Sebastian Lerch, Kai L. Polsterer

Date Published: 25th Apr 2022

Publication Type: InProceedings

GPU-basierte Verfahren zur Segmentierung biomedizinischer Bilddaten

Abstract (Expand)

Die Analyse medizinischer und biologischer Bilddaten erfordert häufig die Isolierung einzelner Strukturen aus einem 3D-Volumen durch Segmentierung. Trotz einer Vielzahl halb- und vollautomatischer … Verfahren erfolgt die Bildsegmentierung oft noch manuell und gilt nach wie vor für viele Szenarien als die arbeitsintensivste und zeitaufwendigste Aufgabe innerhalb der 3D-Bildanalyse. Die herkömmliche manuelle Segmentierung vieler Schichten, gefolgt von einer linearen Interpolation und einer manuellen Korrektur der Ergebnisse verhindert jedoch in vielen Fällen die Analyse einer großen Anzahl von Proben. In dieser Arbeit wird darum ein neues parameterfreies Verfahren zur halbautomatischen Segmentierung großer komplexer 3D-Bilddaten entwickelt, das auf einer Interpolation von wenigen manuell vorsegmentierten Schichten basiert, wobei es den gesamten zugrunde liegenden volumetrischen Bilddatensatz berücksichtigt. Die Interpolation erfolgt durch gewichtete Random Walks, deren Unabhängigkeit voneinander eine Berechnung durch massiv parallele Hardware, wie den Grafikprozessoren (GPUs), ermöglicht. Anhand einer vielfältigen Auswahl von Beispieldatensätzen wird gezeigt, dass dieses GPU-basierte Verfahren, insbesondere bei der Segmentierung sehr großer komplexer Bilddaten, wie sie typischerweise in der Mikro-Computertomographie (µCT) entstehen, dazu in der Lage ist, sowohl den Zeit- und Arbeitsaufwand erheblich zu reduzieren als auch die Qualität der Ergebnisse deutlich zu steigern. Dabei erreicht es eine deutliche Beschleunigung und höhere Genauigkeit gegenüber dem konventionellen Ansatz der fast ausschließlich manuellen Segmentierung und auch gegenüber den am weitesten verbreiteten Segmentierungsalgorithmen. Die GPU-basierten Random Walks sind insbesondere dann geeignet, wenn wenig Vorwissen über das zu segmentierende Objekt vorhanden ist, zum Beispiel bei der Beschreibung einer neu entdeckten Art, oder zum Erstellen von Trainingsdaten für ein anschließendes maschinelles Lernen. Um darüber hinaus bei der Segmentierung vieler ähnlicher Proben eine weitgehend automatische Segmentierung zu ermöglichen, wird hier zusätzlich ein auf künstlichen neuronalen Netzen basierendes Verfahren vorgestellt und anhand von 110 µCT-Scans von Honigbienengehirnen evaluiert. Ergänzend wird auf Basis der entwickelten Algorithmen die neue Online-Segmentierungsplattform Biomedisa präsentiert. Die Plattform ist über einen Webbrowser zugänglich und erfordert keine komplexe und langwierige Konfiguration von Software- und Modellparametern. Sie richtet sich gezielt an die Bedürfnisse von Wissenschaftlern/-innen, die nicht über umfangreiche Computer- und Softwarekenntnisse verfügen. Die integrierten GPU-basierten Methoden ermöglichen eine intuitive Anwendung für verschiedene bildgebende Verfahren innerhalb eines breiten Spektrums wissenschaftlicher Disziplinen. Die Plattform wurde bereits in mehreren Studien erfolgreich eingesetzt. Darüber hinaus ermöglicht ihr modularer Aufbau eine leichte Erweiterung der hier vorgestellten Kernfunktionen um weitere benutzerspezifische Funktionalitäten.

Author: Philipp Lösel

Date Published: 22nd Apr 2022

Publication Type: Doctoral Thesis

Strength and Nature of Host‐Guest Interactions in Metal‐Organic Frameworks from a Quantum‐Chemical Perspective

Abstract (Expand)

Metal-organic frameworks (MOFs) offer a convenient means for capturing, transporting, and releasing small molecules. Their rational design requires an in-depth understanding of the underlying non-covalent … host-guest interactions, and the ability to easily and rapidly pre-screen candidate architectures in silico. In this work, we devised a recipe for computing the strength and analysing the nature of the host-guest interactions in MOFs. By assessing a range of density functional theory methods across periodic and finite supramolecular cluster scale we find that appropriately constructed clusters readily reproduce the key interactions occurring in periodic models at a fraction of the computational cost. Host-guest interaction energies can be reliably computed with dispersion-corrected density functional theory methods; however, decoding their precise nature demands insights from energy decomposition schemes and quantum-chemical tools for bonding analysis such as the quantum theory of atoms in molecules, the non-covalent interactions index or the density overlap regions indicator.

Authors: Michelle Ernst, Ganna Gryn'ova

Date Published: 20th Apr 2022

Publication Type: Journal

Powered by
 (v.1.16.0)
About HITS Publication SEEK | About HITS-Publication-SEEK | Funding and Programmes | Credits
Copyright © 2008 - 2024 The University of Manchester and HITS gGmbH