Mission
Die projektorientierte Forschung am WIAS ist gekennzeichnet durch die Verknüpfung der mathematischen Disziplinen Analysis, Stochastik und Numerik. Diese Kombination birgt besonderes Potential für wichtige Beiträge zur Lösung komplexer Fragestellungen wie dem zuverlässigen Extrahieren von Informationen aus großen Datensätzen oder der geeigneten Berücksichtigung von Unsicherheiten in der Beschreibung von Prozessen. Das Institut trägt so zur Lösung aktueller gesellschaftlicher Herausforderungen bei.
Forschung
Das Institut widmet sich sowohl der mathematischen Grundlagenforschung als auch der Entwicklung von Algorithmen und wissenschaftlicher Software. Dabei werden physikalisch und technisch fundierte mathematische Modelle entworfen, die das betrachtete Phänomen korrekt erfassen und einer hoch entwickelten mathematischen Analyse zugänglich machen. Die Phasen der Aufgabenlösung werden in enger Verzahnung immer wieder neu durchlaufen und aufeinander abgestimmt, bis eine optimale Lösung gefunden ist.

Aktuell
Ioannis Papadopoulos neuer MATH+/BMS-Dirichlet-Postdoc
Programm fördert die Entwicklung junger Postdocs zu erfolgreichen Forschern.
Veranstaltungen
Dienstag, 05.12.2023, 15:00 (WIAS-405-406)
Seminar Modern Methods in Applied Stochastics and Nonparametric Statistics
Dr. P. Dvurechensky, WIAS Berlin:
Decentralized local stochastic extra-gradient for variational inequalities (hybrid talk)

Stellen
Doktorand/in (m/w/d) (23/16)
Optimization with partial differential equations under uncertainty.
Studentische Hilfskraft (m/w/d) (23/20)
Unterstützung des Projektes zur Einführung des Repository Services (Reposis)
Mitarbeiter/in im Bereich IT (m/w/d) (23/22)
Unterstützung in der Informationstechnik
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (23/23)
Durchführung rigoroser probabilistischer und analytischer mathematischer Arbeiten
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (23/24)
Modeling Battery Electrodes with Mechanical Interactions
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (23/25)
Numerische Diskretisierungsverfahren für partielle Differentialgleichungen
Wissenschaftliche/r Mitarbeiter/in (m/w/d) (23/26)
Datenassimilationsmethoden für Fluidströmungen, Optimierung und maschinelles Lernen
Doktorand/in (m/w/d) (23/27)
Mathematical analysis and nonlinear partial differential equations