06 December 2024

Vorstellung der 2025 beitretenden Principal Investigators

Thumb ticker xxl introducing new pis  linkedin single image ad  2

Wir freuen uns sehr, zwei neue herausragende Principal Investigators (PIs) an unserem Institut bekanntzugeben. Ihre wegweisende Expertise und innovativen Ansätze werden die hiesige Forschung bereichern und zukünftige Kooperationen inspirieren. Dr. T. Konstantin Rusch und Dr. Shiwei Liu stoßen im Juni bzw. Juli 2025 als PIs und Hector Endowed Fellows zum ELLIS Institute Tübingen. Zudem werden sie als unabhängige Forschungsgruppenleiter auch mit dem Max-Planck-Institut für Intelligente Systeme (MPI-IS) sowie dem Tübingen AI Center affiliiert sein. Nachfolgend finden Sie ihre Kurzbiografien sowie ihre Forschungsschwerpunkte.

 


Dr. T. Konstantin Rusch

Forschungsgruppe: Computational Applied Mathematics & Artificial Intelligence Lab (CAMAIL)
Startdatum: 1. Juni 2025

Die Forschung von Dr. Rusch zielt darauf ab, KI weiterzuentwickeln, indem fundamentale Grenzen adressiert werden – darunter das Fehlen strenger Sicherheitsgarantien und Rechenineffizienzen. Sein Schwerpunkt liegt auf der Verbindung von KI mit angewandter Mathematik, um leistungsfähigere Systeme auf einer soliden mathematischen Basis zu entwickeln. Darüber hinaus konzentriert er sich darauf, effiziente KI-Frameworks zu schaffen, die Strukturen physikalischer Systeme in das Modelldesign integrieren und so bessere induktive Biases ermöglichen. Sein Ziel ist es, sicherzustellen, dass Fortschritte sowohl theoretisch fundiert als auch praktisch relevant sind.

Derzeit ist Konstantin SNSF-Postdoktorand am Massachusetts Institute of Technology (MIT) im Computer Science and Artificial Intelligence Laboratory (CSAIL) unter der Betreuung von Professor Daniela Rus. Zuvor promovierte er 2023 in Angewandter Mathematik und Maschinellem Lernen an der ETH Zürich bei Professor Siddhartha Mishra. Während seiner Promotion war er zudem mit der UC Berkeley affiliiert (Prof. Michael Mahoney) und forschte als Gastwissenschaftler sowohl an der UC Berkeley als auch an der University of Oxford.

Seine bisherigen Arbeiten zeigen eindrücklich, wie die Nutzung physikalischer Strukturen zu KI-Modellen führen kann, die fundamentale Grenzen innerhalb bestimmter Modellklassen überwinden. Außerdem konnte er demonstrieren, wie KI die Computational Mathematics selbst voranbringen kann. Seine Modelle fanden bereits Anwendung in verschiedenen Bereichen, unter anderem in großen industriellen Forschungsgruppen.


Dr. Shiwei Liu

Forschungsgruppe: WEI Lab (Wild, Efficient, and Innovative AI Lab)
Startdatum: 15. Juli 2025 – Vorab-Besuch am Institut bereits im Mai 2025

Dr. Shiwei Liu erforscht das Verhalten tiefer neuronaler Netze und entwickelt Algorithmen und Architekturen für Deep Learning, die effizienter, robuster und kostengünstiger sind. Ein zentrales Thema seiner Forschung ist die Rolle von Niedrigdimensionalität in neuronalen Netzen. Deren Potenzial wirkt sich auf zahlreiche Schlüsselthemen aus – darunter effizientes Training, Inferenz und Skalierung großer Foundation-Modelle, Robustheit und Vertrauenswürdigkeit sowie Generative KI.

Shiwei Liu ist derzeit Royal Society Newton International Fellow an der University of Oxford. Zuvor war er Postdoktorand an der University of Texas at Austin. Seine Promotion schloss er 2022 an der Eindhoven University of Technology mit Cum Laude ab. Er erhielt zwei Rising Star Awards (KAUST und Conference on Parsimony and Learning, CPAL) und wurde 2023 für seine Dissertation mit dem Best Dissertation Award von Informatics Europe ausgezeichnet.

Im März 2024 hielt Dr. Liu einen Vortrag auf dem Scientific Symposium des ELLIS Institute am MPI-IS über Sparsity in Neural Networks. Während bisherige Forschung Sparsity überwiegend für Modellkompression nutzte (z. B. Ableitung dünn besetzter Netze aus dichten Modellen), beleuchtete er die bisher kaum erforschten Vorteile wie Skalierbarkeit, Robustheit und Fairness. Konkret zeigte er, wie Sparsity die Skalierbarkeit neuronaler Netze fördern kann, indem sie effizientes Training dünn besetzter Modelle von Grund auf ermöglicht. Dies erlaubt eine deutliche Kapazitätserhöhung ohne proportional steigende Rechen- oder Speicheranforderungen. Darüber hinaus beschäftigte er sich mit der künftigen Rolle von Sparsity bei großen Sprachmodellen (LLMs) – mit Blick auf effiziente Skalierung, verlustfreie Kompression und vertrauenswürdige KI.


  • Erfahren Sie hier mehr über unsere aktuellen Forschungsgruppen.

  • Mehr über die ELLIS Institute Tübingen gGmbH:
    Das ELLIS Institute Tübingen gGmbH wird durch eine Stiftung der Hector Foundation (100 Mio. EUR) sowie durch das Land Baden-Württemberg (25 Mio. EUR) gefördert und hat seinen Sitz in der traditionsreichen Universitätsstadt Tübingen im Südwesten Deutschlands. Ziel ist der Aufbau eines weltweit führenden Zentrums für bahnbrechende Grundlagenforschung im Bereich Künstliche Intelligenz. Das Institut möchte die besten Talente im Bereich Maschinelles Lernen anziehen und ihnen exzellente Forschungsbedingungen in einer hochmodernen Einrichtung bieten. Diese Vision ist Teil einer größeren europäischen Initiative – dem European Laboratory for Learning and Intelligent Systems (ELLIS) – die eine europaweite Institution für Spitzenforschung im Maschinellen Lernen etablieren möchte.