Prof. Dr. Markus Lange-Hegermann hat gemeinsam mit einem internationalen Forschungsteam das Paper „Fast Reconstruction of Exact Maxwell Dynamics from Sparse Data“ verfasst, das bei der NeurIPS 2026 als Spotlight ausgewählt wurde. Damit gehört die Arbeit zu den besonders hervorgehobenen Beiträgen der diesjährigen Konferenz.
Physikalisches Wissen direkt im KI-Modell
Im Mittelpunkt der Arbeit von Dan DeGenaro, Xin Li, Obed Amo, Michael Pokojovy, Sarah Adel Bargal, Markus Lange-Hegermann und Bogdan Raiţă steht FLASH-MAX, eine neu entwickelte Architektur für maschinelles Lernen. Sie soll elektromagnetische Felder aus wenigen punktuellen Messungen rekonstruieren und dabei die zugrunde liegenden Maxwell-Gleichungen exakt einhalten.
Der Ansatz unterscheidet sich damit von vielen etablierten Verfahren des Scientific Machine Learning: Physikalische Gesetzmäßigkeiten werden nicht erst über zusätzliche Bedingungen während des Trainings berücksichtigt, sondern direkt in die Struktur des neuronalen Netzes eingebaut. Jedes Neuron der versteckten Schicht entspricht dabei selbst einer exakten Lösung der Maxwell-Gleichungen.
In den im Paper beschriebenen Experimenten erreicht FLASH-MAX mit rund 1.000 Messpunkten in wenigen Sekunden einen relativen Validierungsfehler von unter einem Prozent. Gleichzeitig bleibt die Lösung mathematisch konsistent mit den Maxwell-Gleichungen. Selbst bei lediglich 100 Messpunkten zeigen die Ergebnisse eine vergleichsweise hohe Genauigkeit.
Internationale Bühne für Machine Learning
Vorgestellt wird die Arbeit auf der NeurIPS 2026, einer der weltweit bedeutendsten Konferenzen für Machine Learning und Künstliche Intelligenz. Forschende aus aller Welt präsentieren dort aktuelle Entwicklungen und diskutieren neue Ansätze aus unterschiedlichen Bereichen der KI-Forschung.
Wie begehrt eine Veröffentlichung auf der NeurIPS ist, zeigt ein Blick auf das vergangene Jahr: 2025 wurden rund 21.600 Arbeiten für den Main Track eingereicht – nur etwa ein Viertel davon wurde angenommen.
2026 findet die Konferenz zum 40. Mal statt und erstmals an drei Standorten gleichzeitig: in Sydney sowie an den beiden offiziellen Satellitenstandorten Atlanta und Paris.
Auch Prof. Dr. Markus Lange-Hegermann ist über das Paper hinaus in die NeurIPS eingebunden. Als Senior Area Chair im Bereich Scientific Machine Learning koordiniert er in diesem Jahr den Begutachtungsprozess von rund 125 eingereichten Arbeiten. Bereits in den beiden Vorjahren war Prof. Dr. Markus Lange-Hegermann als Area Chair für die Konferenz tätig.
„Die NeurIPS ist eine der wichtigsten internationalen Konferenzen unserer Forschungscommunity. Dass unsere Arbeit dort angenommen wurde, freut uns deshalb besonders und ist eine starke Bestätigung für unseren Ansatz im Scientific Machine Learning“, sagt Prof. Dr. Markus Lange-Hegermann.
Autorin: Mona Marie Brinkmann