Inverse Probleme waren in den letzten Jahrzehnten ein wichtiges und aktives Feld in der angewandten Mathematik mit einem starken Einfluss auf viele Disziplinen. Die klassische Forschung im Bereich der inversen Probleme umfasst eine Kombination aus Modellierung, mathematischer Analyse, Entwicklung und Implementierung von Algorithmen und Validierung. Die jüngste rasante Entwicklung von Sensor- und Computertechnologien hat neue Möglichkeiten und Herausforderungen für inverse Probleme hervorgebracht. Datengetriebene Ansätze und insbesondere Deep-Learning-Konzepte dringen derzeit in fast alle Bereiche der Wissenschaft und Technik ein und zeigen einen zunehmenden Einfluss auf die Methodik inverser Probleme von der Modellierung bis zur Implementierung. Die rein modellgetriebene klassische Herangehensweise hat einige Unzulänglichkeiten und könnte durch die datengetriebene Methodik überwunden werden. Eine naive Übertragung von Deep-Learning-Konzepten auf inverse Probleme scheitert jedoch im Allgemeinen. Mit den Fortschritten in den Sensor- und Computertechnologien und den relevanten Bereichen gibt es großartige neue Forschungsmöglichkeiten für inverse Probleme.
In diesem Mobilitätsprogramm wird ein Team von chinesischen und deutschen Universitäten mit etablierten Forschungsergebnissen in den Bereichen CT, Magnetpartikelbildgebung, multimodale Bildgebung, multispektrale CT und dynamische CT, Deep Learning, Bild-/Videoqualitätsbewertung und Rechentechnologie zusammengestellt. Es handelt sich um ein multidisziplinäres Team aus Theorie und Praxis relevanter Fachgebiete, die motiviert sind, neue Möglichkeiten für langfristige Kooperationen zu identifizieren, indem sie auf Herausforderungen in ausgewählten Themen von der klassischen bis zur modernen Perspektive reagieren. In diesem Mobilitätsprogramm werden beide Seiten ihr Wissen und ihre Ideen zur Modellierung, mathematischen Analyse, Algorithmenentwicklung und -implementierung sowie Validierung von der klassischen bis zur modernen Perspektive austauschen und verfolgen. Wir werden gemeinsam an fünf kleinen Projekten zu herausfordernden Themen arbeiten, um die Grundlage für eine langfristige Zusammenarbeit zu schaffen, insbesondere für die Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftlern. Wir gehen davon aus, dass die oben genannten Ziele erreichbar und vorteilhaft für beide Seiten und die gesamte Gemeinschaft der inversen Probleme im Allgemeinen sind.
