M A X - P L A N C K- G E S E L L S C H A F T
Dokumentation 2014
Max-Planck-Institut für Intelligente Systeme
Stuttgart / Tübingen
Dokumentation 2014
Herausgegeben vom
MAX-PLANCK-INSTITUT FÜR INTELLIGENTE SYSTEME
Stuttgart / Tübingen
Abteilung Perzeptive Systeme, Dr. Michael J. Black
Abteilung Theorie inhomogener kondensierter Materie, Prof. Dr. Siegfried Dietrich
Abteilung Phasenumwandlungen, Thermodynamik und Kinetik, Prof. Dr. Ir. Eric Jan Mittemeijer
Abteilung Autonome Motorik, Prof. (University of Southern California, USA ) Dr.-Ing. Stefan Schaal
Abteilung Empirische Inferenz, Prof. Dr. Bernhard Schölkopf
Abteilung Moderne magnetische Systeme, Prof. Dr. Gisela Schütz
Abteilung Physische Intelligenz, Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA)
Dr. Metin Sitti
Abteilung Neue Materialien und Biosysteme, Prof. Dr. Joachim P. Spatz
Umschlagbild:
PRÄZISE NACHLÄSSIGKEIT
Intelligenz ist die Fähigkeit, mit begrenzter Information sinnvolle Entscheidungen zu treffen. Selbst
präzise mathematische Rechnungen sind nicht vor Unsicherheit gefeit: Numerische Näherungsverfahren gehören zu den meistverwendeten Computeralgorithmen. Sie führen die komplexen Rechnungen
wissenschaftlicher Modelle durch und jonglieren dabei die riesigen Datenmengen des Onlinezeitalters.
Mathematiker optimieren diese Rechenregeln seit Jahrhunderten darauf möglichst präzise zu sein. Die
Wissenschaftler der Forschungsgruppe „Probabilistische Numerik“ stellen diesen Ansatz auf den
Kopf. Mit Hilfe der Wahrscheinlichkeitstheorie statten sie numerische Methoden mit Fehlerschätzungen aus. Dadurch werden elementare Rechenregeln zu intelligenten Systemen mit mathematischem
„Bewusstsein“ für den eigenen Beitrag innerhalb einer großen Rechnung. Dies erlaubt ihnen, sich
gezielt Fehler zu leisten, um Rechenzeit zu sparen.
„Numerische Verfahren sind Arbeitstiere“, sagt Philipp Hennig, Leiter der Forschungsgruppe. „Zeit
zum Philosophieren haben sie nicht. Nur eine elementarste Form von „Intelligenz“ macht hier Sinn.
Deswegen verbringen wir viel Zeit vor der Tafel, um genau zu sehen, welche Zahlen sich eine Methode merken muss, um effizient unsicher zu sein. Am Ende bleiben nur wenige Zeilen Computercode und viel schlammiges Kreidewasser im Waschbecken.“
© Philipp Hennig (Emmy-Noether-Forschungsgruppe, Max-Planck-Institut für Intelligente Systeme,
Tübingen)
Hier aufgeführte Arbeiten aus dem Jahr 2013 lagen bei Redaktionsschluss des vergangenen Berichts
noch nicht vor.
Herausgeber:
Max-Planck-Institut für Intelligente Systeme
Stuttgart / Tübingen
Telefon 0711 689-1983
Telefax 0711 689-3002
E-Mail: [email protected]
http://www.is.mpg.de
Verantwortlich für den Inhalt:
Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA)Dr. Metin Sitti
Redaktion:
Druck:
Heide Klooz
F & W Schmidt, Renningen
Stand:
Mai 2015
Dokumentation 2014
Inhaltsverzeichnis
Inhaltsverzeichnis
I
Struktur und Gliederung des Instituts
II
Wissenschaftliche Veröffentlichungen 2014
11
a)
Veröffentlichungen in Zeitschriften und Konferenzberichten
11
b)
Monographien und Beiträge zu Sammelwerken
33
c)
Herausgabe von Zeitschriften
35
d)
Herausgabe von Zeitschriftenheften
36
III
Erfindungsmeldungen und Patentanmeldungen
37
IV
Abgeschlossene Arbeiten
38
a)
Habilitationen
38
b)
Dissertationen
38
c)
Diplom-/Masterarbeiten
39
d)
Bachelorarbeiten
40
V
Doktoranden
41
a)
Inland (Stand 31.12.2014)
41
b)
Ausland (Stand 31.12.2014)
43
VI
Gastwissenschaftler
45
VII
Sonstige Mitteilungen
50
a)
Ehrungen
50
b)
Berufungen / Ernennungen
53
c)
Ständige Mitgliedschaften
54
d)
Wissenschaftliche Veranstaltungen
56
e)
Weitere Veranstaltungen
58
VIII
Tätigkeitsberichte im Jahrbuch der Max-Planck-Gesellschaft 2015
59
4
I
I
Dokumentation 2014
Struktur und Gliederung
Max-Planck-Institut für Intelligente Systeme (2014)
Geschäftsführender Direktor
Dr. Michael J. Black
Geschäftsführender Direktor Standort Stuttgart
Prof. Dr. Joachim P. Spatz
Wissenschaftliche Mitglieder
Dr. Michael J. Black
Prof. Dr. Siegfried Dietrich
Prof. Dr. Ir. Eric Jan Mittemeijer
Prof. (University of Southern California, USA ) Dr.-Ing. Stefan Schaal
Prof. Dr. Bernhard Schölkopf
Prof. Dr. Gisela Schütz
Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA) Dr. Metin Sitti
Prof. Dr. Joachim P. Spatz
Leiter einer Forschungsgruppe
Prof. Dr. Karsten Borgwardt (bis 01.06.2014)
Dr. Jan-Henning Dirks
Prof. Dr. Peer Fischer
Prof. Dr. Ana García-Sáez
Dr. Matthias Krüger
Dr. Laura Na Liu
Dr. Ralf Richter
Dr. Samuel Sánchez Ordóñez
Dr. Ralf Zeitler
Max Planck Fellow
Prof. Dr. Clemens Bechinger
Emeritierte Wissenschaftliche Mitglieder
Prof. Dr. Fritz Aldinger
Prof. Dr. phil. Dr. h.c. Hellmut Fischmeister
Prof. Dr. Volkmar Gerold
Prof. Dr. Helmut Kronmüller
Prof. Dr. Dr. h.c. mult. Günter Petzow
Prof. Dr. Manfred Rühle
Prof. Dr. Dr. h.c. Alfred Seeger
Prof. Dr. Dr. h.c. Günther Tölg
4
Dokumentation 2014
I
Auswärtige Wissenschaftliche Mitglieder
Prof. Dr. Jacques Friedel, Paris, Frankreich, † 27.08.2014
Prof. Dr. Arthur Heuer, Cleveland, Ohio, USA
Prof. Dr. Johannes Heydenreich, Halle (Saale), Deutschland
Prof. Dr. Frans A. Spaepen, Cambridge, MA, USA
Fachbeirat
Teilnahme an der Fachbeiratssitzung im Dezember 2012:
Vorsitzender:
Prof. Dr. Itamar Willner, Jerusalem, Israel
Stellvertretender Vorsitzender:
Prof. Dr. Yves Bréchet, Grenoble, Frankreich
Prof. Dr. Jan K.G. Dhont, Jülich, Deutschland
Prof. Dr. Daan Frenkel, Cambridge, Vereinigtes Königreich
Prof. Dr. George C. Hadjipanayis, Newark, DE, USA
Prof. Dr. Jim M. Howe, Charlottesville, VA,USA
Prof. Dr. Gabrielle Long, Argonne, IL, USA
Prof. Dr. Uri Sivan, Haifa, Israel
Prof. Dr. Marcel A. J. Somers, Lyngby, Dänemark
Teilnahme an der Fachbeiratssitzung im Januar 2013:
Vorsitzender:
Dr. Andrew Blake, Cambridge, Vereinigtes Königreich
Prof. Dr. Zoubin Ghahramani, Vereinigtes Königreich
Prof. Dr. Josef A. Käs, Leipzig, Deutschland
Prof. Dr. Danica Kragic, Stockholm, Schweden
Prof. Dr. Massimiliano Pontil, Vereinigtes Königreich
Prof. Dr. Helge Ritter, Bielefeld, Deutschland
Prof. Dr. Yair Weiss, Jerusalem, Israel
Prof. Dr. Itamar Willner, Jerusalem, Israel
5
I
Dokumentation 2014
Kuratorium
Vorsitzender:
Prof. Dr. Winfried J. Huppmann, Eschen, Liechtenstein
Stellvertretender Vorsitzender:
Dr. Peter Grahle, Mössingen, Deutschland
Ehrenvorsitzender:
Prof. Dr. Karl Ganzhorn, Sindelfingen, Deutschland † 25.08.2014
Christoph Dahl, Stuttgart, Deutschland
Dr. Siegfried Dais, Gerlingen, Deutschland
Prof. Dr. Thomas Hirth, Stuttgart, Deutschland
Prof. Dr. Thomas Hofmann, Zürich, Schweiz
Fritz Kuhn, Stuttgart, Deutschland
MinDir Wolfgang Leidig, Stuttgart, Deutschland (bis 16.04.2014)
Dr. Heinrich Lohstöter, Neumarkt, Deutschland
StS Klaus-Peter Murawski, Stuttgart, Deutschland
Prof. Dr.-Ing. Wolfram Ressel, Stuttgart, Deutschland
Dr. Jeanne Rubner, München, Deutschland
MinDir Rolf Schumacher, Stuttgart, Deutschland (ab August 2014)
MinDir Dr. Simone Schwanitz, Stuttgart, Deutschland
Prof. Dr. Eberhard Umbach, Karlsruhe, Deutschland
Prof. Dr. Markus Weber, Oberkochen, Deutschland
Prof. Dr. Hans-Joachim Werner, Stuttgart, Deutschland
Prof. Dr. Martin Winterkorn, Wolfsburg, Deutschland
Prof. Dr. Eberhart Zrenner, Tübingen, Deutschland
6
Dokumentation 2014
I
Am Institut tätige Wissenschaftler (Stand 31.12.2014)
Name
Vorname
Abteilung
Antoni
Baha-Schwab
Dr. Bier
Dr. Bischoff
Bohg, Ph.D.
Dr. Böhm
Dr. Brüggemann
Dr. Cavalcanti-Adam
Dr. Drotlef
Dr. Enficiaud
Prof. Dr. Fähnle
Prof. Dr. Fischer
Dr. Flötotto
Dr. Gehler
Dr. Geiger
Gergen
Priv. Doz. Dr. habil. Goering
Dr. Grévent
Dr. Gross
Dr. Grosse-Wentrup
Halbig
Dr. Hennig
Prof. Dr. Herten
Dr. Hirsch
Dr. Hirscher
Dr. Hirschfeld-Warneken
Dr. Hoang
Dr. Illg
Priv.-Doz. Dr. habil. Janzing
Dr. Jüllig
Priv. Doz. Dr. med. Kaufmann
Kavalan
Prof. Dr. Kemkemer
Dr. habil. Krech
Dr. Kurz
Dr. habil. Maciolek
Priv. Doz. Dr. habil. Majer
Martin
Dr. Meka
Melde
Dr. Micoulet
Dr. Müller
Dr. Mundinger
Dr. Neubauer
Noske
Christiane Hildegard
Elisabeth
Markus
Ewald
Jeannette
Heike
Dorothea Maria Katharina
Elisabetta Ada
Dirk-Michael
Raffi
Manfred
Peer
David
Peter-Vincent
Andreas
Franz-Werner
Eberhard
Corinne
Markus
Moritz
Maria Katharina
Philipp
Dirk-Peter
Michael
Michael
Vera Catherine
Tu
Christian
Dominik
Patrick
Dietrich
Jojumon
Ralf
Michael
Silke
Anna Maria
Guenter
Volker
Sai Ramudu
Kai
Alexandre Francois André
Benedikt
Tabea
Stefanie Johanna
Matthias
Abt. Spatz
Abt. Spatz
Abt. Dietrich
Abt. Mittemeijer
Abt. Schaal
ZWE Biomaterialien
Abt. Spatz
ZWE Biomaterialien
Abt. Sitti
ZWE Software Workshop
Abt. Schütz
FoGr Fischer
Abt. Mittemeijer
Abt. Black
Abt. Black
IT-Gruppe Stuttgart
Abt. Schütz
Abt. Schütz
Abt. Dietrich
Abt. Schölkopf
Abt. Spatz
Abt. Schölkopf
Abt. Spatz
Abt. Schölkopf
Abt. Schütz
Abt. Spatz
FoGr-Zeitler
Abt. Schütz
Abt. Schölkopf
Abt. Schütz
Abt. Spatz
ZWE Scientific Computing
ZWE Biomaterialien
IT-Gruppe Stuttgart
Abt. Mittemeijer
Abt. Dietrich
Abt. Spatz
Abt. Spatz
Abt. Mittemeijer
FoGr Fischer
Abt. Spatz
Abt. Schütz
ZWE Biomaterialien
Abt. Spatz
Abt. Schütz
7
I
Dokumentation 2014
Dr. Oswald
Dr. Pacholski
Dr. Peters
Dr. Polikovsky
Qu
Dr. Ratliff
Dr. Richter
Dr. Righetti
Dr. Romero
Dr. Schimmele
Schmidt
Dr. Segar
Dr. Sigle
Dr. Spröwitz
Dr. Srot
Dr. Stoll
Dr. Streuber
Dr. Tasinkevych
Dr. Tietze
Dr. Trimpe
Dr. Tröndle
Prof. Dr. van Aken
Dr. Vasiliev
Dr. Wang
Dr. Wegner
Weigand
Wieschollek
Dr. Zakharchenko
Dr. Zeitler
Dr. Zelman-Femiak
Dr. Zotov
Peter
Claudia
Jan
Senya Semion
Fei
Nathan
Gunther
Ludovic
Javier
Lothar
Mathias
Richard William Moore
Wilfried
Alexander Thomas
Vesna
Hermann
Stephan
Mykola
Thomas
Johann Sebastian
Matthias
Peter Antonie
Oleg
Zumin
Seraphine Valeska
Markus
Patrick
Svetlana
Ralf
Monika
Nikolay Stamenov
FoGr Fischer
Abt. Spatz
Abt. Schölkopf
ZWE Optics
ZWE Dünnschichtlabor
Abt. Schaal
ZWE Dünnschichtlabor
Abt. Schaal
Abt. Black
Abt. Dietrich
Abt. Schütz
GD Stuttgart
StEM
Abt. Sitti
StEM
Abt. Schütz
Abt. Black
Abt. Dietrich
Abt. Schütz
Abt. Schaal
Geschäftsstelle Tübingen
StEM
Abt. Dietrich
Abt. Mittemeijer
Abt. Spatz
Abt. Schütz
Abt. Schölkopf
Abt. Sitti
FoGr Zeitler
FoGr Garcia-Sáez
ZWE Röntgenbeugung
Drittmittel/MPG-Vorhaben
Name
Vorname
Abteilung
Prof. Dr. Bechinger
Dr. Bleicken
Cosentino, Ph.D.
Dr. Diao
Dr. Dirks
Dr. Eickenscheidt
Prof. Dr. Garcia-Sáez
Dr. Geiger
Dr. Guasch Camell
Dr. Haraszti
Holst
Kim, Ph.D.
Dr. Kuzyk
Clemens
Stephanie
Katja
Zhaolu
Jan-Henning
Max
Ana Jesus
Fania
Judit
Tamas
Angela
Ji Tae
Anton
Max Planck Fellow
FoGr Garcia-Sáez
FoGr Garcia Sáez
Abt. Spatz
Abt. Spatz
FoGr Zeitler
FoGr Garcia-Sáez
Abt. Spatz
Abt. Spatz
Abt. Spatz
FoGr Fischer
FoGr Fischer
FoGr Liu
8
Dokumentation 2014
Dr. Liu
Dr. Mark
Dr. Mark
Matic
Dr. Medda
Dr. Platzman
Dr. Rustom
Dr. Sánchez Ordóñez
Dr. Simmchen
Trichet Paredes
Dr. Uspal
Dr. Wang
Prof. Dr. Wichmann
Dr. Zeilinger
I
Na
Andrew Gonchee
Alison
Jovana
Rebecca
Ilia
Amin
Samuel
Juliane
Carolina Andrea
William Eric
Yi
Felix
Melanie Nicole
FoGr Liu
FoGr Fischer
StEM
Abt. Spatz
Abt. Spatz
Abt. Spatz
Abt. Spatz
FoGr Sánchez
FoGr Sánchez
FoGr Sánchez
Abt. Dietrich
StEM
Abt. Schölkopf
Abt. Schölkopf
Wissenschaftliche Mitarbeiter an der Universität Stuttgart,
Institut für Materialwissenschaft, Lehrstuhl I, Prof. Dr. Ir. E. J. Mittemeijer
(Stand: 31. 12. 2014)
Dipl.-Ing. Bastian Rheingans
Dr. Ralf Schacherl
Wissenschaftliche Mitarbeiter an der Universität Stuttgart,
Institut für Theoretische Physik IV
(Stand: 31. 12. 2014)
Dr. Adam Law
Dr. Felix Höfling
Dr. Matthias Krüger
Dr. Artem Aerov
Dr. Christian Rohwer
M.Sc. Roberta Incardone
9
(Wiss.) Servicegruppen
Wissenschaftliche
Arbeitsgruppe
Forschungsgruppen
Wissenschaftliche Abteilungen
10
Gemeinsame
Einrichtungen
mit FKF
StEM
Max Planck
Fellow
Weiche Materie
(Bechinger)
Mikro-, Nanound Molekulare
Systeme
(Fischer)
 mit Universität Stuttgart
Bibliothek
Netzwerkgruppe
IT-Gruppe
Stuttgart
Glastechnik
ZWE
Röntgenbeugung
Feinmechanische
Werkstatt
Probenherstellung
Dual Beam
Moderne
magnetische
Systeme
Phasenumwandlungen,
Thermodynamik
und Kinetik
Theorie
inhomogener
kondensierter
Materie
Nichtgleichgewichtssysteme
(Krüger) 
Lab-in-a-tube and
Nanorobotics
(Sánchez)
Schütz ***
Mittemeijer *
Neue Materialien
und
Biosysteme
ZWE
Analytik
IT-Gruppe
Tübingen
ZWE
Software Workshop
Perzeptive
Systeme
Black
*****
Fachbeirat
Kuratorium
Mechatronik
Werkstatt
****** Professur an der Universität von Südkalifornien (USA)
ZWE
Scientific
Computing
N.N.
N.N.
Kooperation mit
MPI f. biol. Kyb.
(geplant)
h:\austausch\leitung\SP_MP\Organigramme\Organigramm-MPI-IS Oktober 2014
***** Honorarprofessuren an den Universitäten Brown, Stanford (USA), Tübingen, Gastprofessur an der ETH Zürich
******* Professur an der Carnegie Mellon University (USA)
Empirische
Inferenz
Schölkopf
****
Geschäftsstelle Tübingen
Geschäftsführender Direktor
Tübingen
ZWE
Optics, Workshop
and Sensing
Autonome
Motorik
Schaal
******
Kollegium Tübingen
**** Honorarprofessuren an den Universitäten Tübingen, Berlin, Gastprofessur an der ETH Zürich
*** Honorarprofessur an der Universität Stuttgart
** Professur an der Universität Heidelberg
* Personalunion mit der Universität Stuttgart
ZWE
Biomaterialien
N.N.
N. N.
Komm. Leiter
Mittemeijer
nano.AR (Dirks)
Membrane Biophysik (Garcia-Sáez)
Intelligente Nanoplasmonik (Liu)
Glykobiotechnologie (Richter)
Halbleiter Biosensorik (Zeitler)
ZWE
Dünnschichtlabor
Physische
Intelligenz
Spatz **
Kollegium
M. J. Black, S. Dietrich, E.J. Mittemeijer,
S. Schaal, B. Schölkopf, G. Schütz, M. Sitti, J. Spatz
Sitti
*******
Kollegium Stuttgart
Dietrich *
Geschäftsstelle Stuttgart
Geschäftsführender Direktor
Stuttgart
Institutsgeschäftsstelle
Geschäftsführender Direktor
Stand: 13.10.2014
Max-Planck-Institut für Intelligente Systeme
I
Dokumentation 2014
Organigramm
Dokumentation 2014
II
II Wissenschaftliche Veröffentlichungen 2014
a) Veröffentlichungen in Zeitschriften und Konferenzberichten
Abraham, D. B., Maciolek, A., & Vasilyev, O. (2014). Emergent Long-Range Couplings in Arrays of
Fluid Cells. Physical Review Letters, 113(7): 077204. doi:10.1103/PhysRevLett.113.077204.
Adepalli, K. K., Kelsch, M., Merkl, R., & Maier, J. (2014). Enhanced ionic conductivity in
polycrystalline TiO2 by ‘‘one-dimensional doping’’. Physical Chemistry Chemical Physics, 16, 49424951. doi:10.1039/c3cp55054k.
Adolff, C. F., Hänze, M., Vogel, A., Weigand, M., Martens, M., & Meier, G. (2013). Self-organized
state formation in magnonic vortex crystals. Physical Review B, 88(22): 224425.
doi:10.1103/PhysRevB.88.224425.
Adutler-Lieber, S., Zaretsky, I., Platzman, I., Deeg, J., Friedman, N., Spatz, J. P., & Geiger, B. (2014).
Engineering of synthetic cellular microenvironments: Implications for immunity. Journal of
Autoimmunity, 54, 100-111. doi:10.1016/j.jaut.2014.05.003.
Aerov, A. A., & Krüger, M. (2014). Driven colloidal suspensions in confinement and density
functional theory: Microstructure and wall-slip. The Journal of Chemical Physics, 140: 094701.
doi:10.1063/1.4866450.
Amschler, K., Erpenbeck, L., Kruss, S., Kruss, S., & Schön, M. P. (2014). Nanoscale Integrin Ligand
Patterns Determine Melanoma Cell Behavior. ACS Nano, 8(9), 9113-9125. doi:10.1021/nn502690b.
Andriluka, M., Pishchulin, L., Gehler, P., & Schiele, B. (2014). Human Pose Estimation: New
Benchmark and State of the Art Analysis. In: 2014 IEEE Conference on Computer Vision and Pattern
Recognition (CVPR 2014) (pp. 3686-3693). Los Alamitos, CA: IEEE Computer Society.
doi:10.1109/CVPR.2014.471.
Argyriou, A., & Dinuzzo, F. (2014). A unifying view of representer theorems. In: Proceedings of the
31th International Conference on Machine Learning (JCML 2014) (pp. 748-756). JMLR - Workshop
and Conference Proceedings, Vol. 32. Retrieved from
http://jmlr.org/proceedings/papers/v32/argyriou14.pdf.
Babbar, R., Partalas, I., Gaussier, E., & Amini, M.-R. (2014). Re-ranking Approach to Classification
in Large-scale Power-law Distributed Category Systems. In: S. Geva, A. Trotman, P. Bruza,
C. Clarke, & K. Järvelin (Eds.), SIGIR'14: Proceedings of the 37th International ACM SIGIR
Conference on Research and Development in Information Retrieval (pp. 1059-1062). New York, NY,
USA: ACM. doi:10.1145/2600428.2609509.
Baier, J., Blumenstein, N., Preusker, J., Jeurgens, L. P., Welzel, U., Do, T., Pleis, J., & Bill, J. (2014).
The influence of ZnO-binding 12-mer peptides on bio-inspired ZnO formation. Acta Materialia, 72,
211-222. doi:10.1039/C4CE00520A.
Balderas-Valadez, R., Weiler, M., Agarwal, V., & Pacholski, C. (2014). Optical characterization of
porous silicon monolayers decorated with hydrogel microspheres. Nanoscale Research Letters, 9: 425.
doi:10.1186/1556-276X-9-425.
Bangert, M., Hennig, P., & Oelfke, U. (2014). Analytical probabilistic proton dose calculation and
range uncertainties. Journal of Physics: Conference Series, 489: 012002. doi:10.1088/00319155/58/16/5401.
Baranova, N. S., Inforzato, A., Briggs, D. C., Tilakaratna, V., Thakar, D., Enghild, J. J., Milner, C. M.,
Day, A. J., & Richter, R. P. (2014). Incorporation of pentraxin 3 into hyaluronan matrices is tightly
regulated and promotes matrix cross-linking. The Journal of Biological Chemistry, 289, 30481-30498.
doi:10.1074/jbc.M114.568154.
Bauer, H. G., Sproll, M., Back, C. H., & Woltersdorf, G. (2014). Vortex core reversal due to spin
wave interference. Physical Review Letters, 112: 077201. doi:10.1103/PhysRevLett.112.077201.
11
II
Dokumentation 2014
Baylan, S., Richter, G., Beregovsky, M., Amram, D., & Rabkin, E. (2014). The kinetics of hollowing
of Ag–Au core–shell nanowhiskers controlled by short-circuit diffusion. Acta Materialia, 82, 145-154.
doi:10.1016/j.actamat.2014.08.057.
Belardinelli, D., Sbragaglia, M., Biferale, L., Gross, M., & Varnik, F. (2015). Fluctuating
multicomponent lattice Boltzmann model. Physical Review E, 91: 023313.
doi:10.1103/PhysRevE.91.023313.
Ben Amor, H., Neumann, G., Kamthe, S., Kroemer, O., & Peters, J. (2014). Interaction Primitives for
Human-Robot Cooperation Tasks. In: 2014 IEEE International Conference on Robotics and
Automation (ICRA 2014) (pp. 2831-2837). Piscataway, NJ, USA: IEEE.
doi:10.1109/ICRA.2014.6907265.
Ben Amor, H., Saxena, A., Hudson, N., & Peters, J. (2014). Special issue on autonomous grasping and
manipulation. Autonomous Robots, 36(1-2), 1-3. doi:10.1007/s10514-013-9379-3.
Bensch, M., Martens, S., Halder, S., Hill, J., Nijboer, F., Ramos, A., Birbaumer, N., Bodgan, M.,
Kotchoubey, B., Rosenstiel, W., Schölkopf, B., & Gharabaghi, A. (2014). Assessing attention and
cognitive function in completely locked-in state with event-related brain potentials and epidural
electrocorticography. Journal of Neural Engineering, 11(2): 026006. doi:10.1088/17412560/11/2/026006.
Benz, F., Gonser, A., Völker, R., Walther, T., Mosebach, J.-T., Schwanda, B., Mayer, N., Richter, G.,
& Strunk, H. P. (2014). Concentration quenching of the luminescence from trivalent thulium, terbium,
and erbium ions embedded in an AlN matrix. Journal of Luminescence, 145, 855-858.
doi:10.1016/j.jlumin.2013.09.014.
Bertinshaw, J., Brück, S., Lott, D., Fritzsche, H., Khaydukov, Y., Soltwedel, O., Keller, T.,
Goering, E., Audehm, P., Cortie, D. L., Hutchison, W. D., Ramasse, Q. M., Arredondo, M., Maran, R.,
Nagarajan, V., Klose, F., & Ulrich, C. (2014). Element-specific depth profile of magnetism and
stoichiometry at the La0.67Sr0.33MnO3/BiFeO3 interface. Physical Review B, 90(4): 041113(R).
doi:10.1103/PhysRevB.90.041113.
Bhatt, R., Bhatt, P., & Schütz, G. (2014). Investigation of cellular microstructure and enhanced
coercivity in sputtered Sm2(CoCuFeZr)17 film. Journal of Applied Physics, 115(10): 103903.
doi:10.1063/1.4867916.
Bier, M., & Ibagon, I. (2014). Density functional theory of electrowetting. Physical Review E, 89(4):
042409. doi:10.1103/PhysRevE.89.042409.
Biglari, M., & Mittemeijer, E. J. (2014). Mobility of the austenite-ferrite interface under various states
of loading. Philosophical Magazine B 94, 801-813. doi:10.1080/14786435.2013.868941.
Bischoff, B., Nguyen-Tuong, D., van Hoof, H., McHutchon, A., Rasmussen, C., Knoll, A., Peters, J.,
& Deisenroth, M. (2014). Policy Search For Learning Robot Control Using Sparse Data. In: 2014
IEEE International Conference on Robotics and Automation (ICRA 2014) (pp. 3882-3887).
Piscataway, NJ, USA: IEEE. doi:10.1109/ICRA.2014.6907422.
Bleibel, J., Dominguez, A., Günther, F., Harting, J., & Oettel, M. (2014). Hydrodynamic interactions
induce anomalous diffusion under partial confinement. Soft Matter, 10(17), 2945-2948.
doi:10.1039/C3SM53043D.
Bleibel, J. (2014). Cosmology in a petri dish? Simulation of collective dynamics of colloids at fluid
interfaces. EPJ Web of Conferences, 70: 00048. doi:10.1051/epjconf/20147000048.
Bleibel, J., Dominguez, A., Oettel, M., & Dietrich, S. (2014). Capillary attraction induced collapse of
colloidal monolayers at fluid interfaces. Soft Matter, 10(23), 4091-4109. doi:10.1039/C3SM53070A.
Bleicken, S., Jeschke, G., Salvador-Gallego, R., Garcia Saez, A. J., & Brodignon, E. (2014). Structural
Model of Active Bax at the Membrane. Molecular Cell, 56(4), 496-505.
doi:10.1016/j.molcel.2014.09.022.
Bocsi, B., Csato, L., & Peters, J. (2014). Indirect Robot Model Learning for Tracking Control.
Advanced Robotics, 28(9), 589-599. doi:10.1080/01691864.2014.888371.
12
Dokumentation 2014
II
Bogo, F., Romero, J., Loper, M., & Black, M. J. (2014). FAUST: Dataset and evaluation for 3D mesh
registration. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2014)
(pp. 3794 -3801). Los Alamitos, CA: IEEE Computer Society. doi:10.1109/CVPR.2014.491.
Bogo, F., Romero, J., Peserico, E., & Black, M. J. (2014). Automated Detection of New or Evolving
Melanocytic Lesions Using a 3D Body Model. In: P. Golland, N. Hata, C. Barillot, J. Hornegger, &
R. Howe (Eds.), Medical Image Computing and Computer-Assisted Intervention - MICCAI 2014.
Proceedings, Part I (pp. 593-600). Lecture Notes in Computer Science, Vol. 8673. Cham [u.a.]:
Springer International Publishing. doi:10.1007/978-3-319-10404-1_74.
Bohg, J., Morales, A., Asfour, T., & Kragic, D. (2014). Data-Driven Grasp Synthesis - A Survey.
IEEE Transactions on Robotics and Automation, 30(2), 289-309. doi:10.1109/TRO.2013.2289018.
Bohg, J., Romero, J., Herzog, A., & Schaal, S. (2014). Robot Arm Pose Estimation through
Pixel‐Wise Part Classification. In: 2014 IEEE International Conference on Robotics and Automation
(ICRA 2014) (pp. 3143-3150). Piscataway, NJ: IEEE. doi:10.1109/ICRA.2014.6907311.
Braun, D., & Ortega, P. A. (2014). Information-Theoretic Bounded Rationality and Optimality.
Entropy, 16(8), 4662-4676. doi:10.3390/e16084662.
Bravina, L., Bleibel, J., Malinina, L., Nilsson, M. S., & Zabrodin, E. (2014). Proton-proton collisions
at ultra-relativistic energies in quark-gluon string model. EPJ Web of Conferences, 70: 00015.
doi:10.1051/epjconf/20147000015.
Brüggemann, D., Frohnmayer, J. P., & Spatz, J. P. (2014). Model systems for studying cell adhesion
and biomimetic actin networks. Beilstein Journal of Nanotechnology, 5, 1193-1202.
doi:10.3762/bjnano.5.131.
Calandra, R., Seyfarth, A., Peters, J., & Deisenroth, M. (2014). An Experimental Comparison of
Bayesian Optimization for Bipedal Locomotion. In: 2014 IEEE International Conference on Robotics
and Automation (ICRA) (pp. 1951-1958). Piscataway, NJ, USA: IEEE.
doi:10.1109/ICRA.2014.6907117.
Calandra, R., Gopalan, N., Seyfarth, A., Peters, J., & Deisenroth, M. (2014). Bayesian Gait
Optimization for Bipedal Locomotion. In: P. Pardalos, M. Resende, C. Vogiatzis, & J. Walteros
(Eds.), Learning and Intelligent Optimization (pp. 274-290). Lecture Notes in Computer Science, Vol.
8426. Cham [u.a.]: Springer International Publishing.
Campbell, M. G., Tasinkevych, M., & Smalyukh, I. I. (2014). Topological Polymer Dispersed Liquid
Crystals with Bulk Nematic Defect Lines Pinned to Handlebody Surfaces. Physical Review Letters,
112(19): 197801. doi:10.1103/PhysRevLett.112.197801.
Chaves, R., Luft, L., Maciel, T., Gross, D., Janzing, D., & Schölkopf, B. (2014). Inferring latent
structures via information inequalities. In: N. Zhang, & J. Tian (Eds.), Proceedings of the 30th
Conference on Uncertainty in Artificial Intelligence (pp. 112-121). Corvallis, Oregon: AUAI Press.
Retrieved from http://auai.org/uai2014/proceedings/individuals/176.pdf.
Checco, A., Ocko, B. M., Rahman, A., Black, C. T., Tasinkevych, M., Giacomello, A., & Dietrich, S.
(2014). Collapse and reversibility of the superhydrophobic state on nanotextured surfaces. Physical
Review Letters, 112(21): 216101. doi:10.1103/PhysRevLett.112.216101.
Chen, Z., Zhang, K., Chan, L., & Schölkopf, B. (2014). Causal discovery via reproducing kernel
Hilbert space embeddings. Neural Computation, 26(7), 1484-1517. doi:10.1162/NECO_a_00599.
Cherian, A., & Sra, S. (2014). Riemannian Sparse Coding for Positive Definite Matrices. In: D. Fleet,
& T. Pajdla (Eds.), Proceedings 13th European Conference on Computer Vision (ECCV 2014) (pp.
299-314). Lecture Notes in Computer Science, Vol. 8691. doi:10.1007/978-3-319-10578-9_20.
Cherian, A., Sra, S., Morellas, V., & Papanikolopoulos, N. (2014). Efficient Nearest Neighbors via
Robust Sparse Hashing. IEEE Transactions on Image Processing, 23(8), 3646-3655.
doi:10.1109/TIP.2014.2324280.
13
II
Dokumentation 2014
Corall, S., Haraszti, T., Bartoschik, T., Spatz, J. P., Ludwig, T., & Cavalcanti-Adam, E. A. (2014).
α5β1-integrin and MT1-MMP promote tumor cell migration in 2D but not in 3D fibronectin
microenvironments. Computational Mechanics, 53(3), 499-510. doi:10.1007/s00466-013-0960-6.
Cubillos, F., Stegle, O., Grondin, C., Canut, M., Tisné, G., & Loudet, O. (2014). Extensive cisregulatory variation robust to environmental perturbation in Arabidopsis. Plant Cell, 26(11), 42984310. doi:10.1105/tpc.114.130310.
Czugala, M., O'Connel, C., Blin, C., Fischer, P., Fraser, K. J., Benito-Lopez, F., & Diamond, D.
(2014). Swelling and shrinking behaviour of photoresponsivephosphonium-based ionogel
microstructures. Sensors and Actuators B, (194), 105-113. doi:10.1016/j.snb.2013.12.072.
Daneshmand, H., Gomez Rodriguez, M., Song, L., & Schölkopf, B. (2014). Estimating Diffusion
Network Structures: Recovery Conditions, Sample Complexity Soft-thresholding Algorithm. In:
E. P. Xing, & T. Jebara (Eds.), Proceedings of the 31st International Conference on Machine
Learning (ICML 2014) (pp. 793-801). JMLR - Workshop and Conference Proceedings, Vol. 32.
Brookline, MA: Microtome Publishing.
Daniel, C., Viering, M., Metz, J., Kroemer, O., & Peters, J. (2014). Active Reward Learning. In:
D. Fox (Ed.), Robotics: Science and Systems X. Retrieved from
http://www.roboticsproceedings.org/rss10/p31.pdf.
Dann, C., Neumann, G., & Peters, J. (2014). Policy Evaluation with Temporal Differences: A Survey
and Comparison. Journal of Machine Learning Research, 15, 809-883. Retrieved from
http://www.jmlr.org/papers/volume15/dann14a/dann14a.pdf.
De Buyl, P., Colberg, P. H., & Höfling, F. (2014). H5MD: A structured, efficient, and portable file
format for molecular data. Computer Physics Communications, 185(6), 1546-1553.
doi:10.1016/j.cpc.2014.01.018.
De Gernier, R., Curk, T., Dubacheva, G. V., Richter, R. P., Richter, R. P., & Mognetti, B. M. (2014).
A new configurational bias scheme for sampling supramolecular structures. The Journal of Chemical
Physics, 141: 244909. doi:10.1063/1.4904727.
Deisenroth, M., Englert, P., Peters, J., & Fox, D. (2014). Multi-Task Policy Search for Robotics. In:
2014 IEEE International Conference on Robotics and Automation (ICRA 2014) (pp. 3876-3881).
Piscataway, NJ: IEEE. doi:10.1109/ICRA.2014.6907421.
Disselhorst, J., Bezrukov, I., Kolb, A., Parl, C., & Pichler, B. (2014). Principles of PET/MR Imaging.
Journal of Nuclear Medicine, 55(Supplement: 2), 2S-10S. doi:10.2967/jnumed.113.129098.
Ding, Y.-L., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2014). Large-scale low temperature
fabrication of SnO2 hollow/nanoporous nanostructures: the templateengaged replacement reaction
mechanism and high-rate lithium storage. Nanoscale, 6(19), 11411-11418. doi:10.1039/c4nr03395g.
Dirks, J.-H. (2014). Physical principles of fluid-mediated insect attachment - Shouldn’t insects slip?
Beilstein Journal of Nanotechnology, 5, 1160-1166. doi:10.3762/bjnano.5.127.
Doran, G., Muandet, K., Zhang, K., & Schölkopf, B. (2014). A Permutation-Based Kernel Conditional
Independence Test. In: N. L. Zhang, & J. Tian (Eds.), Proceedings of the 30th Conference on
Uncertainty in Artificial Intelligence (UAI2014) (pp. 132-141). Corvallis, Oregon: AUAI Press.
Dubacheva, G. V., Curk, T., Mognetti, B. M., Auzély-Velty, R., Frenkel, D., & Richter, R. P. (2014).
Superselective targeting using multivalent polymers. Journal of the American Chemical Society, 136,
1722-1725. doi:10.1021/ja411138s.
El Bouayadi, R., Korytov, M., van Aken, P. A., Vennéguès, P., & Benaissa, M. (2014). Quantitative
determination of compositional profiles using HAADF image simulations. Physica Status Solidi C,
11(2), 284-288. doi:10.1002/pssc.201300305.
Eslahian, K. A., Majee, A., Maskos, M., & Würger, A. (2014). Specific salt effects on thermophoresis
of charged colloids. Soft Matter, 10(12), 1931-1936. doi:10.1039/C3SM52779D.
14
Dokumentation 2014
II
Eslami, S., Gibbs, J. G., Rechkemmer, Y., van Slageren, J., Alarcón-Correa, M., Lee, T.-C.,
Mark, A.G., Rikken, G. L. J. A., & Fischer, P. (2014). Chiral Nanomagnets. ACS Photonics, 1(11),
1231-1236. doi:10.1021/ph500305z.
Esslinger, M., Khunsin, W., Talebi, N., Wei, T., Dorfmüller, J., Vogelgesang, R., & Kern, K. (2013).
Phase engineering of subwavelength unidirectional plasmon launchers. Advanced Optical Materials,
1, 434-437. doi:10.1002/adom.201300135.
Esslinger, M., Vogelgesang, R., Talebi, N., Khunsin, W., Gehring, P., De Zuani, S., Gompf, B., &
Kern, K. (2014). Tetradymites as Natural Hyperbolic Materials for the Near-Infrared to Visible. ACS
Photonics, 1(12), 1285-1289. doi:10.1021/ph500296e.
Fähnle, M., & Subkow, S. (2014). Ab-initio calculations and atomistic calculations on the
magnetoelectric effects in metallic nanostructures. Physica Status Solidi C, 11(2), 185-191.
doi:10.1002/pssc.201350286.
Fähnle, M., Slavin, A., & Hertel, R. (2014). Role of the sample boundaries in the problem of
dissipative magnetization dynamics. Journal of Magnetism and Magnetic Materials, 360, 126-130.
doi:10.1016/j.mmm.2014.02.031.
Farajtabar, M., Du, N., Gomez-Rodriguez, M., Valera, I., Zha, H., & Song, L. (2014). Shaping Social
Activity by Incentivizing Users. In: Z. Ghahramani, M. Welling, C. Cortes, N. Lawrence, &
K. Weinberger (Eds.), Advances in Neural Information Processing Systems 27 (NIPS 2014) (pp. 24742482). Red Hook, NY: Curran Associates, Inc. Retrieved from http://papers.nips.cc/paper/5365shaping-social-activity-by-incentivizing-users.pdf.
Finizio, S., Foerster, M., Krüger, B., Vaz, C. A. F., Miyawaki, T., Mawass, M. A., Pena, L., Méchin, L.,
Hühn, S., Moshnyaga, V., Büttner, F., Bisig, A., Le Guyader, L., El Moussaoui, S., Valencia, S.,
Kronast, F., Eisebitt, S., & Kläui, M. (2014). Domain wall transformations and hopping in
La0.7Sr0.3MnO3 nanostructures imaged with high resolution x-ray magnetic microscopy. Journal of
Physics: Condensed Matter, 26(45): 456003. doi:10.1088/0953-8984/26/45/456003.
Flötotto, D., Wang, Z., Jeurgens, L. P., & Mittemeijer, E. J. (2014). Intrinsic stress evolution during
amorphous oxide film growth on Al surfaces. Applied Physics Letters, 104(091901).
doi:10.1063/1.4867471.
Floreano, D., Ijspeert, A., & Schaal, S. (2014). Robotics and Neuroscience. Current Biology, 24(18),
R910-R920. doi:10.1016/j.cub.2014.07.058.
Fonovic, M., Leineweber, A., & Mittemeijer, E.-J. (2014). Experimental investigation and
thermodynamic modeling of the Ni-Rich part of the Ni-N phase diagram. Metallurgical and Materials
Transactions A, 45A, 4863-4874. doi:10.1007/s11661-014-2440-9.
Fonovic, M., Leineweber, A., & Mittemeijer, E. J. (2014). Nitrogen uptake by nickel in NH3-H2
atmospheres. Surface Engineering, (30), 16-20. doi:10.1179/1743294413Y.0000000173.
Foster, J., Nuyujukian, P., Freifeld, O., Gao, H., Walker, R., Ryu, S., Meng, T., Murmann, B.,
Black, M. J., & Shenoy, K. (2014). A freely-moving monkey treadmill model. Journal of Neural
Engineering, 11(4): 046020. doi:10.1088/1741-2560/11/4/046020.
Frano, A., Benckiser, E., Lu, Y., Wu, M., Castro-Colin, M., Reehuis, M., Boris, A. V., Detemple, E.,
Sigle, W., van Aken, P., Cristiani, G., Logvenov, G., Habermeier, H.-U., Wochner, P., Keimer, B., &
Hinkov, V. (2014). Layer selective control of the lattice structure in oxide superlattices. Advanced
Materials, 26(2), 258-262. doi:10.1002/adma.201303483.
Freifeld, O., Hauberg, S., & Black, M. J. (2014). Model Transport: Towards Scalable Transfer
Learning on Manifolds. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition
(CVPR 2014) (pp. 1378 -1385). Los Alamitos, CA: IEEE Computer Society.
doi:10.1109/CVPR.2014.179.
Fründ, I., Wichmann, F., & Macke, J. (2014). Quantifying the effect of intertrial dependence on
perceptual decisions. Journal of Vision, 14(7): 9. doi:10.1167/14.7.9.
15
II
Dokumentation 2014
Fu, L., Tang, K., Song, K., van Aken, P. A., Yu, Y., & Maier, J. (2014). Nitrogen doped porous carbon
fibres as anode materials for sodium ion batteries with excellent rate performance. Nanoscale, 6(3),
1384-1389. doi:10.1039/c3nr05374a.
Fu, L., Song, K., Li, X., van Aken, P. A., Wang, C., Maier, J., & Yu, Y. (2014). Direct evidence of a
conversion mechanism in a NiSnO3 anode for lithium ion battery application. RSC Advances, 4,
36301-36306. doi:10.1039/c4ra03664f.
Garnett, R., Osborne, M., & Hennig, P. (2014). Active Learning of Linear Embeddings for Gaussian
Processes. In: N. L. Zhang, & J. Tian (Eds.), Proceedings of the 30th Conference on Uncertainty in
Artificial Intelligence (UAI 2014) (pp. 230-239). Corvallis, OR: AUAI Press. Retrieved from
http://auai.org/uai2014/proceedings/individuals/152.pdf.
Geiger, P., Janzing, D., & Schölkopf, B. (2014). Estimating Causal Effects by Bounding Confounding.
In: N. Zhang, & J. Tian (Eds.), Proceedings of the 30th Conference on Uncertainty in Artificial
Intelligence (UAI 2014) (pp. 240-249). Corvallis, OR: AUAI Press. Retrieved from
http://auai.org/uai2014/proceedings/individuals/303.pdf
Genewein, T., & Braun, D. (2014). Occam's Razor in sensorimotor learning. Proceedings of the Royal
Society of London B, 281(1783): 20132952. doi:10.1098/rspb.2013.2952.
Gerber, P., Schlaffke, L., Heba, S., Greenlee, M., Schultz, T., & Schmidt-Wilcke, T. (2014). Juggling
revisited — A voxel–based morphometry study with expert jugglers. NeuroImage: Clinical, 95, 320325. doi:10.1016/j.neuroimage.2014.04.023.
Gibbs, J. G., Mark, A. G., Lee, T.-C., Eslami, S., Schamel, D., & Fischer, P. (2014). Nanohelices by
shadow growth. Nanoscale, (6), 9457-9466. doi:10.1039/c4nr00403e.
Giuducatti, S., Marz, S. M., Soler, L., Madani, A., Jorgensen, M. R., Sanchez, S., O.G. Schmidt
(2014). Photoactive rolled-up TiO2 microtubes: fabrition, characterization and applications. Journal of
Materials Chemistry C, 5892-5901. doi:10.1039/C4TC00796D.
Glenske, K., Wagner, A.-S., Hanke, T., Cavalcanti-Adam, E. A., Heinemann, S., Heinemann, C.,
Kruppke, B., Arnhold, S., Moritz, A., Schwab, E., Worch, H., & Wenisch, S. (2014). Bioactivity of
xerogels as modulators of osteoclastogenesis mediated by connexin 43. Biomaterials, 35(5), 14871495. doi:10.1016/j.biomaterials.2013.11.002.
Gomez Rodriguez, M., Gummadi, K., & Schölkopf, B. (2014). Quantifying Information Overload in
Social Media and its Impact on Social Contagions. In: Proceedings of the Eighth International
Conference on Weblogs and Social Media (pp. 170-179). AAAI Press. Retrieved from
http://www.aaai.org/ocs/index.php/ICWSM/ICWSM14/paper/view/8108/8117.
Gomez Solano, J. R., & Bechinger, C. (2014). Probing linear and nonlinear microrheology of
viscoelastic fluids. EPL, 108: 54008. doi:10.1209/0295-5075/108/54008.
Gomez-Rodriguez, M., Leskovec, J., Balduzzi, D., & Schölkopf, B. (2014). Uncovering the Structure
and Temporal Dynamics of Information Propagation. Network Science, 2(1), 26-65.
doi:10.1017/nws.2014.3.
Gorniak, T., Haraszti, T., Garamus, V. M., Buck, A. R., Senkbeil, T., Priebe, M., Hedberg-Buenz, A.,
Koehn, D., Salditt, T., Grunze, M., Anderson, M. G., & Rosenhahn, A. (2014). Nano-Scale
Morphology of Melanosomes Revealed by Small-Angle X-Ray Scattering. PLoS One, 9(3): e90884.
doi:10.1371/journal.pone.0090884.
Gorniak, T., Haraszti, T., Suhonen, H., Yang, Y., Hedberg-Buenz, A., Koehn, D., Heine, R.,
Grunze, M., Rosenhahn, A., & Anderson, M. G. (2014). Support and challenges to the melanosomal
casing model based on nanoscale distribution of metals within iris melanosomes detected by X-ray
fluorescence analysis. Pigment Cell & Melanoma Research, 27, 831-834. doi:10.1111/pcmr.12278.
Gräfe, J., Schmidt, M., Audehm, P., Schütz, G., & Goering, E. (2014). Application of magneto-optical
Kerr effect to first-order reversal curve measurements. Review of Scientific Instruments, 85: 023901.
doi:10.1063/1.4865135.
16
Dokumentation 2014
II
Greiner, A. M., Hoffmann, P., Bruellhoff, K., Jungbauer, S., Spatz, J. P., Möller, M., Kemkemer, R.,
& Groll, J. (2014). Stable biochemically micro-patterned hydrogel layers control specific cell adhesion
and allow long term cyclic tensile strain experiments. Macromolecular Bioscience, 14(11), 1547-1555.
doi:10.1002/mabi.201400261.
Grimm, D., Wilson, R. B., Teshome, B., Gorantla, S., Rümmeli, M. H., Bublat, T., Zallo, E., Li, G.,
Cahill, D. G., & Schmidt, O. G. (2014). Thermal conductivity of mechanically joined
semiconducting/metal nanomembrane superlattices. Nano Letters, 14(5), 2387-2393.
doi:doi.org/10.1021/nl404827j.
Gross, M., Krüger, T., & Varnik, F. (2015). Fluctuations and diffusion in sheared athermal
suspensions of deformable particles. EPL, 108(6): 68006. doi:10.1209/0295-5075/108/68006.
Grosse-Wentrup, M., & Schölkopf, B. (2014). A Brain-Computer Interface Based on Self-Regulation
of Gamma-Oscillations in the Superior Parietal Cortex. Journal of Neural Engineering, 11(5): 056015.
doi:10.1088/1741-2560/11/5/056015.
Guggenmos, A., Raduenz, S., Rauhut, R., Hofstetter, M., Venkatesan, S., Wochnik, A. S., Gullikson, E. M.,
Fischer, S., Nickel, B., Scheu, C. U., & Kleineberg, U. (2014). Ion polished Cr/Sc attosecond multilayer
mirrors for high water window reflectivity. Optics Express, 22(22), 26526-26536.
doi:10.1364/OE.22.026526.
Gunter, T., Osborne, M., Garnett, R., Hennig, P., & Roberts, S. (2014). Sampling for Inference in
Probabilistic Models with Fast Bayesian Quadrature. In: Z. Ghahramani, M. Welling, C. Cortes,
N. Lawrence, & K. Weinberger (Eds.), Advances in Neural Information Processing Systems 27 (NIPS
2014) (pp. 2789-2797). Red Hook, NY: Curran Associates, Inc. Retrieved from
http://papers.nips.cc/paper/5483-sampling-for-inference-in-probabilistic-models-with-fast-bayesianquadrature.pdf.
Haag, M., Illg, C., & Fähnle, M. (2014). Influence of magnetic fields on spin-mixing in transition
metals. Physical Review B, 90(13): 134410. doi:10.1103/PhysRevB.90.134410.
Haag, M., Illg, C., & Fähnle, M. (2014). Role of electron-magnon scatterings in ultrafast
demagnetization. Physical Review B, 90(1): 014417. doi:10.1103/PhysRevB.90.014417.
Hänze, M., Adolff, C. F., Weigand, M., & Meier, G. (2014). Tunable eigenmodes of coupled magnetic
vortex oscillators. Applied Physics Letters, 104(18): 182405. doi:10.1063/1.4875618.
Hauberg, S., Feragen, A., & Black, M. J. (2014). Grassmann Averages for Scalable Robust PCA. In:
2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2014) (pp. 3810 -3817).
Los Alamitos, CA: IEEE Computer Society. doi:10.1109/CVPR.2014.481.
Heinzmann, U., Helmstedt, A., Dohmeier, N., Müller, N., Gryzia, A., Brechling, A., Hoeke, V.,
Krickemeyer, E., Glaser, T., Fonin, M., Bouvron, S., Leicht, P., Tietze, T., Goering, E., &
Kuepper, K.(2014). The local magnetic properties of [MnIII6 CrIII]3+ and [FeIII6 CrIII]3+ single-molecule
magnets deposited on surfaces studied by spin-polarized photoemission and XMCD with circularly
polarized synchrotron radiation. Journal of Physics: Conference Series, 488(13): 132001.
doi:10.1088/1742-6596/488/13/132001.
Hennig, P., & Hauberg, S. (2014). Probabilistic Solutions to Differential Equations and their
Application to Riemannian Statistics. In: S. Kaski, & J. Corander (Eds.), Proceedings of the 17th
International Conference on Artificial Intelligence and Statistics (AISTATS) (pp. 347-355). JMLR Workshop and Conference Proceedings, Vol. 33. Retrieved from
http://jmlr.org/proceedings/papers/v33/hennig14.pdf.
Hermann, E., Bleicken, S., Garcia-Saez, A. J., & Subburaj, Y. D. (2014). Automated analysis of Giant
Unilamellar Vesicles using Circular HoughTransformation. Bioinformatics, (12), 1747-1754.
doi:10.1016/j.bpj.2012.12.010.
Hermann, M., Schunke, A., Schultz, T., & Klein, R. (2014). A Visual Analytics Approach to Study
Anatomic Covariation. In: 2014 IEEE Pacific Visualization Symposium (pp. 161-168). IEEE.
doi:10.1109/PacificVis.2014.53.
17
II
Dokumentation 2014
Hermann, M., Klein, R., & Schultz, T. (2014). Segmentation-free quantification of spots on a
homogeneous background. In: C. Min, D. Ebert, & C. North (Eds.), 2014 IEEE Conference on Visual
Analytics Science and Technology (VAST) (pp. 253-254). IEEE.
Herzog, A., Pastor, P., Kalakrishnan, M., Righetti, L., Bohg, J., Asfour, T., & Schaal, S. (2014).
Learning of Grasp Selection based on Shape-Templates. Autonomous Robots, 36(1-2), 51-65.
doi:10.1007/s10514-013-9366-8.
Herzog, A., Righetti, L., Grimminger, F., Pastor, P., & Schaal, S. (2014). Balancing experiments on a
torque‐controlled humanoid with hierarchical inverse dynamics. In: IEEE/RSJ International
Conference on Intelligent Robotics Systems (IROS 2014) (pp. 981-988). IEEE.
doi:10.1109/IROS.2014.6942678.
Hirschfeld-Warneken, V. C., & Spatz, J. P. (2014). Genauere Krebsdiagnose durch Fraktalanalyse.
Spektrum der Wissenschaft, 9, 14-16.
Höfling, F., & Dietrich, S. (2015). Enhanced wavelength-dependent surface tension of liquid-vapour
interfaces. EPL, 109(4): 46002. doi:10.1209/0295-5075/109/46002.
Hofmann, S., Liu, Y., Wang, J. Y., & Kovac, J. (2014). Analytical and numerical depth resolution
functions in sputter profiling. Applied Surface Science, 314, 942-955.
doi:10.1016/j.apsusc.2014.06.159.
Hofmann, S. (2014). Sputter depth profiling: past, present, and future. Surface and Interface Analysis,
46(10-11), 654-662. doi:10.1002/sia.5489.
Homer, M. L., Perge, J. A., Black, M. J., Harrison, M. T., Cash, S. S., & Hochberg, L. R. (2014).
Adaptive Offset Correction for Intracortical Brain Computer Interfaces. IEEE Transactions on Neural
Systems and Rehabilitation Engineering, 22(2), 239-248. doi:10.1109/TNSRE.2013.2287768.
Hong, Z., Wang, C., Mei, X., Prokhorov, D., & Tao, D. (2014). Tracking using Multilevel
Quantizations. In: D. Fleet, T. Pajdla, B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV
2014. Proceedings, Part VI (pp. 155-171). Lecture Notes in Computer Science, Vol. 8694. Cham
[u.a.]: Springer International Publishing.
Hoof, v. H., Krömer, O., & Peters, J. (2013). Probabilistic Interactive Segmentation for
Anthropomorphic Robots in Cluttered Environments. In: Proceedings of the IEEE International
Conference on Humanoid Robots (HUMANOIDS 2013) (pp. 169-176). IEEE.
Hug, S., Mesch, M. B., Oh, H., Popp, N., Hirscher, M., Senker, J., & Lotsch, B. V. (2014). A fluorene
based covalent triazine framework with high CO2 and H2 capture and storage capacities. Journal of
Materials Chemistry A, 2(16), 5928-5936. doi:10.1039/C3TA15417C.
Ibagon, I., Bier, M., & Dietrich, S. (2014). Order of wetting transitions in electrolyte solutions. The
Journal of Chemical Physics, 140(17): 174713. doi:10.1063/1.4873712.
Ilonen, J., Bohg, J., & Kyrki, V. (2014). 3-D Object Reconstruction of Symmetric Objects by Fusing
Visual and Tactile Sensing. International Journal of Robotics Research, 33(2), 321-341.
doi:10.1177/0278364913497816.
Incardone, R., Emig, T., & Krüger, M. (2014). Heat transfer between anisotropic nanoparticles:
Enhancement and switching. Europhysics Letters, 106(4): 41001. doi:10.1209/0295-5075/106/41001.
Jeong, H.-H., Andrew Mar, A. G., Gibbs, J. G., Reindl, T., Waizmann, U., Weis, J., & Fischer, P.
(2014). Shape control in wafer-based aperiodic 3D nanostructures. Nanotechnology, 25(23).
doi:10.1088/0957-4484/25/23/235302.
Kacprzak, T., Bridle, S., Rowe, B., Voigt, L., Zuntz, J., Hirsch, M., & MacCrann, N. (2014). Sérsic
galaxy models in weak lensing shape measurement: model bias, noise bias and their interaction.
Monthly Notices of the Royal Astronomical Society, 441(3), 2528-2538. doi:10.1093/mnras/stu588.
Kaelblein, D., Ryu, H., Ante, F., Fenk, B., Hahn, K., Kern, K., & Klauk, H. (2014). High-Performance
ZnO Nanowire Transistors with Aluminium Top-Gate Electrodes and Naturally Formed Hybrid SelfAssembled Monolayer/AlOx Gate Dielectric. ACS Nano, 8, 6840-6848. doi:10.1021/nn501484e.
18
Dokumentation 2014
II
Kamthe, S., Peters, J., & Deisenroth, M. P. (2014). Multi-modal filtering for non-linear estimation. In:
2014 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2014) (pp.
7979-7983). Piscataway, NJ: IEEE. doi:10.1109/ICASSP.2014.6855154.
Katzer, C., Stahl, C., Michalowski, P., Treiber, S., Westernhausen, M., Schmidl, F., Seidel, P.,
Schütz, G., & Albrecht, J. (2014). Increasing the sensor performance using Au modified high
temperature superconducting YBa2Cu3O7-delta thin films. Journal of Physics: Condensed Matter, 507:
012024.
Keskinbora, K., Robisch, A.-L., Mayer, M., Sanli, U., Grévent, C., Wolter, C., Weigand, M.,
Szeghalmi, A., Knez, M., Salditt, T., & Schütz, G. (2014). Multilayer Fresnel zone plates for high
energy radiation resolve 21 nm features at 1.2 keV. Optics Express, 22(15), 18440-18453.
doi:10.1364/OE.22.018440.
Khalil, I. S. M., Magdanz, V., Sanchez, S., Schmidt, O. G., & Misra, S. (2014). Biocompatible,
accurate, and fully autonomous: a sperm-driven micro-bio-robot. Journal of Micro-Bio Robotics, 9(34), 79-86. doi:10.1007/s12213-014-0077-9.
Khalil, I. S. M., Magdanz, V., Sanchez, S., Schmidt, O. G., & Misra, S. (2014). Wireless MagneticBased Closed-Loop Control of Self-Propelled Microjets. PLoS One, 9(2): e83053.
doi:10.1371/journal.pone.0083053.
Kiefel, M., & Gehler, P. (2014). Human Pose Estimation with Fields of Parts. In: D. Fleet, T. Pajdla,
B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. 13th European Conference.
Proceedings, Part 5 (pp. 331-346). Lecture Notes in Computer Science, Vol. 8693. Cham [u.a.]:
Springer International Publishing. doi10.1007/978-3-319-10602-1_22
Kiefel, M., Schuler, C., & Hennig, P. (2014). Probabilistic Progress Bars. In: X. Jiang, J. Hornegger,
& R. Koch (Eds.), Pattern Recognition. 36th German Conference, GCPR 2014. Proceedings (pp. 331342). Lecture Notes in Computer Science, Vol. 8753. Cham [u.a.]: Springer International Publishing
AG.
Kim, J.-S., Mawass, M.-A., Bisig, A., Krüger, B., Reeve, R. M., Schulz, T., Büttner, F., Yoon, J.,
You, C.-Y., Weigand, M., Stoll, H., Schütz, G., Swagten, H. J. M., Koopmans, B., Eisebitt, S., &
Kläui, M. (2014). Synchronous precessional motion of multiple domain walls in a ferromagnetic
nanowire by perpendicular field pulses. Nature Communications, 5: 3429. doi:10.1038/ncomms4429.
Köhler, R., Schuler, C. J., Schölkopf, B., & Harmeling, S. (2014). Mask-Specific Inpainting with Deep
Neural Networks. In: X. Jiang, J. Hornegger, & R. Koch (Eds.), Pattern Recognition. 36th German
Conference, GCPR 2014. Proceedings (pp. 523-534). Lecture Notes in Computer Science, Vol. 8753.
Cham [u.a.]: Springer International Publishing.
Koker, M. K. A., Welzel, U., & Mittemeijer, E. J. (2014). Measurement of X-Ray diffraction-line
broadening induced by elastic mechanical grain interaction. Journal of Applied Crystallography, 47,
391-401. doi:10.1107/S1600576713032202.
Kolb, A., Parl, C., Mantlik, F., Liu, C., Lorenz, E., Renker, D., & Pichler, B. (2014). Development of a
novel depth of interaction PET detector using highly multiplexed G-APD cross-strip encoding.
Medical Physics, 41(8), 081916. doi:10.1118/1.4890609.
Kong, N., Tai, Y.-W., & Shin, J. S. (2014). A physically-based approach to reflection separation: from
physical modeling to constrained optimization. IEEE Transactions on Pattern Analysis and Machine
Intelligence (PAMI), 36(2), 209-221. doi:10.1109/TPAMI.2013.45.
Kong, N., Gehler, P., & Black, M. J. (2014). Intrinsic Video. In: D. Fleet, T. Pajdla, B. Schiele, & T.
Tuytelaars (Eds.), Computer Vision - ECCV 2014. 13th European Conference. Proceedings, Part 2
(pp. 360-375). Lecture Notes in Computer Science, Vol. 8690. Cham [u.a.]: Springer International
Publishing. doi 10.1007/978-3-319-10605-2_24
Konyashin, I., Lachmann, F., Ries, B., Mazilkin, A. A., Straumal, B. B., Kübel, C., Llanes, L., &
Baretzky, B. (2014). Strengthening zones in the Co matrix of WC-Co cemented carbides. Scripta
Materialia, 83, 17-20. doi:doi.org/10.1016/j.scriptamat.2014.03.026.
19
II
Dokumentation 2014
Kpotufe, S., Sgouritsa, E., Janzing, D., & Schölkopf, B. (2014). Consistency of Causal Inference under
the Additive Noise Model. In: E. P. Xing, & T. Jebara (Eds.), Proceedings of the 31st International
Conference on Machine Learning (ICML 2014) (pp. 478-486). JMLR - Workshop and Conference
Proceedings, Vol. 32. Brookline, MA: Microtome Publishing.
Kroemer, O., van Hoof, H., Neumann, G., & Peters, J. (2014). Learning to Predict Phases of
Manipulation Tasks as Hidden States. In: 2014 IEEE International Conference on Robotics and
Automation (ICRA 2014) (pp. 4009-4014). Piscataway, NJ: IEEE. doi:10.1109/ICRA.2014.6907441.
Kronmüller, H., Yang, J. B., & Goll, D. (2014). Micromagnetic analysis of the hardening mechanisms
of nanocrystalline MnBi and nanopatterned FePt intermetallic compounds. Journal of Physics:
Condensed Matter, 26: 064210. doi:10.1088/0953-8984/26/6/064210.
Kümmel, F., Ten Hagen, B., Wittkowski, R., Takagi, D., Buttinoni, I., Eichhorn, R., Volpe, G.,
Löwen, H., & Bechinger, C. (2014). Circular motion of asymmetric self-propelling particles: Reply.
Physical Review Letters, (113 (2)): 029802. doi:10.1103/PhysRevLett.113.029802.
Kuru, Y., Welzel, U., & Mittemeijer, E.-J. (2014). Coexistence of colossal stress and texture gradients
in sputter deposited nanocrystalline ultra-thin metal films. Applied Physics Letters, 105(221902).
doi:10.1063/1.4902940.
Kurz, S., Maisel, S., Leineweber, A., Höfler, M., Müller, S., & Mittemeijer, E. J. (2014). Discovery of
a thermally persistent h.c.p. solid-solution phase in the Ni-W system. Japanese Journal of Applied
Physics Part 1, 116(083515). doi:10.1063/1.4894148.
Kurz, S., Leineweber, A., & Mittemeijer, E.-J. (2014). Anomalously high density and thermal stability
of nanotwins in Ni(W) thin films:quantitative analysis by X-Ray diffraction. Journal of Materials
Research, 29, 1642-1655. doi:10.1557/jmr.2014.202.
Kuzyk, A., Schreiber, R., Zhang, H., Govorov, A. O., Liedl, T., & Liu, N. (2014). Reconfigurable 3D
plasmonic metamolecules. Nature Materials, 13, 862-866. doi:10.1038/nmat4031.
Labbe-Laurent, M., Tröndle, M., Harnau, L., & Dietrich, S. (2014). Alignment of cylindrical colloids
near chemically patterned substrates induced by critical Casimir torques. Soft Matter, 10(13), 22702291. doi:10.1039/C3SM52858H.
Lampert, C., Nickisch, H., & Harmeling, S. (2014). Attribute-based classification for zero-shot visual
object categorization. IEEE Transactions on Pattern Analysis and Machine Intelligence, 36(3), 453465. doi:10.1109/TPAMI.2013.140.
Langenhorst, F., Harries, D., Pollok, K., & van Aken, P. A. (2014). Evidence for microimpact in an
olivine-dominated Hayabusa dust particle. Meteoritics & Planetary Science, 49, A226.
Langenhorst, F., Harries, D., Pollok, K., & van Aken, P. A. (2014). Mineralogy and defect
microstructure of an olivine-dominated Itokawa dust particle: evidence for shock metamorphism,
collisional fragmentation, and LL chondrite origin. Earth, Planets & Space, 66: 118.
doi:10.1186/1880-5981-66-118.
Langner, H. H., Vogel, A., Beyersdorff, B., Weigand, M., Frömter, R., Oepen, H. P., & Meier, G.
(2014). Local modification of the magnetic vortex-core velocity by gallium implantation. Journal of
Applied Physcis, (10): 103909. doi:10.1063/1.4868222.
Law, A. D., Harnau, L., Tröndle, M., & Dietrich, S. (2014). Effective interaction between a colloid
and a soft interface near criticality. The Journal of Chemical Physics, 141(13): 134704.
doi:10.1063/1.4896383.
Lee, S., Im, J., Yoo, Y., Bitzek, E., Kiener, D., Richter, G., Kim, B., & Oh, S. H. (2014). Reversible
cyclic deformation mechanism of gold nanowires by twinning–detwinning transition evidenced from
in situ TEM. Nature Communications, 5: 3033. doi:10.1038/ncomms4033.
Lee, T.-C., Alarcón-Correa, M., Miksch, C., Hahn, K., Gibbs, J. G., & Fischer, P. (2015). SelfPropelling Nanomotors in the Presence of Strong Brownian Forces. Nano Letters, 14(5), 2407-2412.
doi:10.1021/nl500068n.
20
Dokumentation 2014
II
Lee-Thedieck, C., & Spatz, J. P. (2014). Biophysical regulation of hematopoietic stem cells.
Biomaterials Science, 2, 1548-1561. doi: 10.1039/C4BM00128A.
Lehmann, A., Gehler, P., & van Gool, L. (2014). Branch&Rank for Efficient Object Detection.
International Journal of Computer Vision, 106(3), 252-268. doi:10.1007/s11263-013-0670-8.
Lehrmann, A., Gehler, P., & Nowozin, S. (2014). Efficient Non-linear Markov Models for Human
Motion. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2014) (9781-4799-5117-8, pp. 1314-1321). Los Alamitos, CA: IEEE Computer Society.
doi:10.1109/CVPR.2014.171.
Leibfried, F., Grau-Moya, J., & Braun, D. A. (2014). Sensorimotor interactions as signaling games.
Cognitive Processing, 15 (Supplement 1), S50-S51.
Leineweber, A., Berger, T., Udyanksy, A., & Bugaev, V. N. (2014). The incommensurate crystal
structure of the Pd5B1-zPhase; B ordering driven by elastic interaction between B atoms. Zeitschrift für
Kristallographie, 229, 353-367. doi:10.1515/zkri-2013-1710.
Lejcek, P., Zheng, L., Hofmann, S., & Sob, M. (2014). Applied thermodynamics: grain boundary
segregation. Entropy, 16(3), 1462-1483. doi:10.3390/e16031462.
Liang, Q., Talebi, N., Yu, W., & van Aken, P. A. (2014). Electron Impact Investigation Of
Hybridization Scheme In Coupled Split-Ring Resonators. In: 8th International Congress on Advanced
Electromagnetic Materials in Microwaves and Optics – Metamaterials 2014 (pp. 187-189). IEEE.
doi:10.1109/MetaMaterials.2014.6948641.
Lioutikov, R., Paraschos, A., Peters, J., & Neumann, G. (2014). Generalizing Movements with
Information-Theoretic Stochastic Optimal Control. Journal of Aerospace Information Systems, 11(9),
579-595. doi:10.2514/1.1010195.
Lioutikov, R., Paraschos, A., Peters, J., & Neumann, G. (2014). Sample-Based Information-Theoretic
Stochastic Optimal Control. In: 2014 IEEE International Conference on Robotics and Automation
(ICRA 2014) ((pp. 3896-3902). Piscataway, NJ: IEEE. doi:10.1109/ICRA.2014.6907424.
Liu, J., Tang, K., Song, K., van Aken, P. A., & Yu, Y. (2014). Electrospun Na3V2(PO4)3/C nanofibers
as stable cathode materials for sodium-ion batteries. Nanoscale, 6(10), 5081-5086.
doi:10.1039/c3nr05329f.
Liu, J., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2014). Facile Synthesis of Highly Porous
Ni−Sn Intermetallic Microcages with Excellent Electrochemical Performance for Lithium and Sodium
Storage. Nano Letters, 14(11), 6387-6392. doi:10.1021/nl5028606.
Liu, J., Song, K., van Aken, P. A., Maier, J., & Yu, Y. (2014). Self-Supported Li4Ti5012-C Nanotube
Arrays as High-Rate and Long-Life Anode Materials for Flexible Li-Ion Balteries. Nano Letters,
14(3), 1462-1483. doi:10.1021/nl5004174.
Liu, J., Song, K., Zhu, C., Chen, C.-C., van Aken, P. A., Maier, J., & Yu, Y. (2014). Ge/C Nanowires
as High-Capacity and Long-Life Anode Materials for Li-Ion Batteries. ACS Nano, 8(7), 7051-7059.
doi:10.1021/nn501945f.
Liu, J., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2014). Carbon-Encapsulated Pyrite as Stable
and Earth-Abundant High Energy Cathode Material for Rechargeable Lithium Batteries. Advanced
Materials, 26(34), 6025-6030. doi:10.1002/adma.201401496.
Liu, Y., Medda, R., Liu, Z., Galior, K., Yehl, K., Spatz, J. P., Cavalcanti-Adam, E. A., & Salaita, K.
(2014). Nanoparticle Tension Probes Patterned at the Nanoscale: Impact of Integrin Clustering on
Force Transmission. Nano Letters, 14(10), 5539-5546. doi:10.1021/nl501912g.
Loewy, S., Rheingans, B., Meka, S. R., & Mittemeijer, E.-J. (2014). Unusual martensite-formation
kinetics in steels: observation of discontinuous transformation rates. Acta Materialia, 64, 93-99.
doi:10.1016/j.actamat.2013.11.052.
Loper, M., & Black, M. J. (2014). OpenDR: An Approximate Differentiable Renderer. In: D. Fleet,
T. Pajdla, B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. 13th European
21
II
Dokumentation 2014
Conference. Proceedings, Part 7 (pp. 154-169). Lecture Notes in Computer Science, Vol. 8695. Cham
[u.a.]: Springer International Publishing. doi 10.1007/978-3-319-10584-0_11
Loper, M., Mahmood, N., & Black, M. J. (2014). MoSh: Motion and Shape Capture from Sparse
Markers. ACM Transactions on Graphics, 33(6), 220:1-220-13. doi:10.1145/2661229.2661273.
Lopez-Paz, D., Sra, S., Smola, A., Ghahramani, Z., & Schölkopf, B. (2014). Randomized Nonlinear
Component Analysis. In: E. P. Xing, & T. Jebara (Eds.), Proceedings of the 31st International
Conference on Machine Learning (ICML 2014) (pp. 1359-1367). JMLR - Workshop and Conference
Proceedings, Vol. 32. Brookline, MA: Microtome Publishing.
Lvov, Y., Aerov, A. A., Aerov, A. A., & Fakhrullin, R. (2014). Clay nanotube encapsulation for
functional biocomposites. Advances in Colloid and Interface Science, 207, 189-198.
doi:10.1016/j.cis.2013.10.006.
Macke, S., Radi, A., Hamann-Borrero, J. E., Verna, A., Bluschke, M., Brück, S., Goering, E.,
Sutarto, R., He, F., Cristiani, G., Wu, M., Benckiser, E., Habermeier, H.-U., Logvenov, G.,
Gauquelin, N., Botton, G. A., Kajdos, A. P., Stemmer, S., Sawatzky, G. A., Haverkort, M. W.,
Keimer, B., & Hinkov, V. (2014). Element specific monolayer depth profiling. Advanced Materials,
26(38), 6554-6559. doi:10.1002/adma.201402028.
Macke, S., & Goering, E. (2014). Magnetic reflectometry of heterostructures (Topical Review).
Journal of Physics: Condensed Matter, 26(36): 363201. doi:10.1088/0953-8984/26/36/363201.
Magdanz, V., Fomin, V. M., Soler, L., Sanchez, S., Schmidt, O. G., & Hippler, M. (2013). Propulsion
Mechanism of Catalytic Microjet Engines. IEEE Transactions on Robotics and Automation, 40-48.
doi:10.1109/TRO.2013.2283929.
Magdanz, V., Sanchez, S., Schmidt, O. G., Khalil, I. S. M., & Misra, S. (2014). Control of SelfPropelled Microjets Inside a Microchannel With Time-Varying Flow Rates. IEEE Transactions on
Robotics and Automation, 49-58. doi:10.1109/TRO.2013.2283929.
Magdanz, V., Stoychev, G., Ionov, L., Sanchez, S., & Schmidt, O. G. (2014). Stimuli-Responsive
Microjets with Reconfigurable Shape. Angewandte Chemie International Edition, 53, 2673-2677.
doi:10.1002/anie.201308610.
Magdysyuk, O. V., Adams, F., Liermann, H.-P., Spanopoulos, I., Trikalitis, P. N., Hirscher, M.,
Morris, R. E., Duncan, M. J., McCormick, L. J., & Dinnebier, R. E. (2014). Understanding the
adsorption mechanism of noble gases Kr and Xe in CPO-27-Ni, CPO-27-Mg, and ZIF-8. Physical
Chemistry Chemical Physics, 16(43), 23908-23914. doi:10.1039/c4cp03298e.
Majee, A., Bier, M., & Dietrich, S. (2014). Electrostatic interaction between colloidal particles trapped
at an electrolyte interface. The Journal of Chemical Physics, 140(16): 164906. doi:10.1063/1.4872240.
Majer, G., & Melchior, J. P. (2014). Characterization of the fluorescence correlation spectroscopy
(FCS) standard Rhodamine 6G and calibration of its diffusion coefficient in aqueous solutions. The
Journal of Chemical Physics, 140: 094201. doi:10.1063/1.4867096.
Manschitz, S., Kober, J., Gienger, M., & Peters, J. (2014). Learning to Unscrew a Light Bulb from
Demonstrations. In: Proceedings of ISR/ROBOTIK 2014 (pp. 1-7). VDE.
Mark, A. F., Fan, Z., Azough, F., Lowe, M., & Withers, P. (2014). Investigation of the
elastic/crystallographic anisotropy of welds for improved ultrasonic inspections. Materials
Characterization, 98, 47-53. doi:10.1016/j.matchar.2014.09.012.
Martens, S., Bensch, M., Halder, S., Hill, J., Nijboer, F., Ramos-Murguialday, A., Schölkopf, B.,
Birbaumer, N., & Gharabaghi, A. (2014). Epidural electrocorticography for monitoring of arousal in
locked-in state. Frontiers in Human Neuroscience, 8: 861. doi:10.3389/fnhum.2014.00861.
Martinez-Cisneros, C. S., Sanchez, S., Schmidt, O. G., & Wang, X. (2014). Ultracompact ThreeDimensional Tubular Conductivity Microsensors for Ionic and Biosensing Applications. Nano Letters,
2219-2224. doi:10.1021/nl500795k.
22
Dokumentation 2014
II
Masson, F., Breault-Turcot, J., Faid, R., Poirier-Richard, H.-P., Yockell-Lelièvre, H., Lussier, F., &
Spatz, J. P. (2014). Plasmonic nanopipette biosensor. Analytical Chemistry, 86(18), 8998-9005.
doi:10.1021/ac501473c.
Mateescu, M., Nuss, I., Southan, A., Messenger, H., Wegner, S., Kupka, J., Bach, M., Tovar, G. E.,
Böhm, H., & Laschat, S. (2014). Synthesis of Pyridine Acrylates and Acrylamides and Their
Corresponding Pyridinium Ions as Versatile Cross-Linkers for Tunable Hydrogels. Synthesis, 46(9),
1243-1253. doi:10.1055/s-0033-1338614.
Mayer, M., Keskinbora, K., Grévent, C., Szeghalmi, A., Knez, M., Weigand, M., Snigirev, A.,
Snigireva, I., & Schütz, G. (2014). Efficient focusing of 8 keV X-rays with multilayer Fresnel zone
plates fabricated by atomic layer deposition and focused ion beam milling. Erratum. Journal of
Synchrotron Radiation, 640, 640-640. doi:10.1107/S1600577514006699.
Medda, R., Helth, A., Herre, P., Pohl, D., Rellinghaus, B., Perschmann, N., Neubauer, S., Kessler, H.,
Oswald, S., Eckert, J., Spatz, J. P., Gebert, A., & Cavalcanti-Adam, E. A. (2014). Investigation of
early cell–surface interactions of human mesenchymal stem cells on nanopatterned β-type titanium–
niobium alloy surfaces. Interface Focus, 4(1), 20130046. doi:10.1098/rsfs.2013.0046.
Meier, F., Hennig, P., & Schaal, S. (2014). Incremental Local Gaussian Regression. In: Z.
Ghahramani, M. Welling, C. Cortes, N. Lawrence, & K. Weinberger (Eds.), Advances in Neural
Information Processing Systems 27 (NIPS 2014) (pp. 972-980). Red Hook, NY, Curran Associates,
Inc. Retrieved from http://papers.nips.cc/paper/5594-incremental-local-gaussian-regression.pdf.
Meier, F., Hennig, P., & Schaal, S. (2014). Efficient Bayesian Local Model Learning for Control. In:
IEEE/RSJ International Conference on Intelligent Robotics Systems (IROS 2014) (pp. 2244-2249).
IEEE. doi:10.1109/IROS.2014.6942865.
Meka, S. R., Bischoff, E., Hosmani, S., & Mittemeijer, E.-J. (2014). Interrelationships of defects,
nitride modification and excess nitrogen in nitrided Fe-4.75 at.% Al alloy. International Journal of
Materials Research, 105, 1057-1066. doi:10.3139/146.111127.
Meyer, T., Peters, J., Zander, T., Schölkopf, B., & Grosse-Wentrup, M. (2014). Predicting Motor
Learning Performance from Electroencephalographic Data. Journal of NeuroEngineering and
Rehabilitation, 11:24. doi:10.1186/1743-0003-11-24.
Migliorini, E., Thakar, D., Sadir, R., Pleiner, T., Baleux, F., Lortat-Jacob, H., Coche-Guerente, L., &
Richter, R. P. (2014). Well-defined biomimetic surfaces to characterize glycosaminoglycan-mediated
interactions on the molecular, supramolecular and cellular levels. Biomaterials, 35, 8903-8915.
doi:10.1016/j.biomaterials.2014.07.017.
Mills, K., Kemkemer, R., Rudraraju, S., & Garikipati, K. (2014). Elastic Free Energy Drives the Shape
of Prevascular Solid Tumors. PLoS One, 9(7): e103245. doi: 10.1371/journal.pone.0103245.
Missirlis, D. (2014). The Effect of Substrate Elasticity and Actomyosin Contractility on Different
Forms of Endocytosis. PLoS ONE, 9(5): e96548. doi:10.1371/journal.pone.0096548.
Missirlis, D., & Spatz, J. P. (2014). Combined Effects of PEG Hydrogel Elasticity and Cell-Adhesive
Coating on Fibroblast Adhesion and Persistent Migration. Biomacromolecules, 15(1), 195-205.
doi:10.1021/bm4014827.
Moghimian, P., Srot, V., Rothenstein, D., Facey, S. J., Harnau, L., Bill, J., & van Aken, P. A. (2014).
Adsorption and Self-Assembly of M13 Phage into Directionally Organized Structures on C and SiO2
Films. Langmuir, 30, 11428-11432. doi:10.1021/la502534t.
Mohry, T. F., Kondrat, S., Maciolek, A., & Dietrich, S. (2014). Critical Casimir interactions around
the consolute point of a binary solvent. Soft Matter, 10(30), 5510-5522. doi:10.1039/c4sm00622d.
Mu, X., Sigle, W., Bach, A., Fischer, D., Jansen, M., & van Aken, P. A. (2014). Influence of a second
cation (M = Ca2+, Mg2+) on the phase evolution of (BaxM1-x)F-2 starting from amorphous deposits.
Zeitschrift für anorganische und allgemeine Chemie, 640, 1868-1875. doi:10.1002/zaac.201400099.
Muandet, K., Sriperumbudur, B., & Schölkopf, B. (2014). Kernel Mean Estimation via Spectral
Filtering. In: Z. Ghahramani, M. Welling, C. Cortes, N. Lawrence, & K. Weinberger (Eds.), Advances
23
II
Dokumentation 2014
in Neural Information Processing Systems 27 (NIPS 2014) (pp. 1-9). Red Hook, NY: Curran
Associates, Inc. Retrieved from http://papers.nips.cc/paper/5239-kernel-mean-estimation-via-spectralfiltering.pdf.
Muandet, K., Fukumizu, K., Sriperumbudur, B. K., Gretton, A., & Schölkopf, B. (2014). Kernel Mean
Estimation and Stein Effect. In: E. P. Xing, & T. Jebara (Eds.), Proceedings of the 31st International
Conference on Machine Learning (ICML 2014) (pp. 10-18). JMLR - Workshop and Conference
Proceedings, Vol. 32. Brookline, MA: Microtome Publishing. Retrieved from
http://jmlr.org/proceedings/papers/v32/muandet14.pdf.
Mülling, K., Boularias, A., Mohler, B., Schölkopf, B., & Peters, J. (2014). Learning Strategies in
Table Tennis using Inverse Reinforcement Learning. Biological Cybernetics, 108(5), 603-619.
doi:10.1007/s00422-014-0599-1.
Narain, D., Smeets, J., Mamassian, P., Brenner, E., & van Beers, R. (2014). Structure learning and
Occam´s razor principle: a new view of human function acquisition. Frontiers in Computational
Neuroscience, 8: 121. doi:10.3389/fncom.2014.00121.
Niedermeier, C., Wang, Z., & Mittemeijer, E. J. (2014). Impact of interface thermodynamics on AlInduced crystallization of amorphous SixGe1-x Alloys. International Journal of Materials Research,
29, 786-792. doi:10.1557/jmr.2014.49.
Nisenholz, N., Rajendran, K., Dang, Q., Chen, H., Kemkemer, R., Ramaswamy, K., & Zemel, A.
(2014). Active mechanics and dynamics of cell spreading on elastic substrates. Soft Matter, 10, 72347246. doi:10.1039/c4sm00780h.
Noah, M., Flötotto, D., Wang, Z., & Mittemeijer, E. J. (2014). Single and multiple profile fitting of
AES and XPS intensity-depth profiles for analysis of interdiffusion in thin films. Surface and Interface
Analysis, 46, 1057-1063. doi:10.1002/sia.5369.
Noske, M., Gangwar, A., Stoll, H., Kammerer, M., Sproll, M., Dieterle, G., Weigand, M., Fähnle, M.,
Woltersdorf, G., Back, C. H., & Schütz, G. (2014). Unidirectional sub-100-ps magnetic vortex core
reversal. Physical Review B, 90(10): 104415. doi:10.1103/PhysRevB.90.104415.
Nowakowski, P., & Napiorkowski, M. (2014). Lateral critical Casimir force in 2D Ising strip with
inhomogeneous walls. The Journal of Chemical Physics, 141(6): 064704. doi:10.1063/1.4892343.
Oezdenizci, O., Meyer, T., Cetin, M., & Grosse-Wentrup, M. (2014). Towards Neurofeedback
Training of Associative Brain Areas for Stroke Rehabilitation. In: G. Müller-Putz, G. Bauernfeind,
C. Brunner, D. Steyrl, S. Wriessnegger, & R. Scherer (Eds.), Proceedings of the 6th International
Brain-Computer Interface Conference. Graz, Österreich: Graz University of Technology Publishing
House. doi:10.3217/978-3-85125-378-8-16.
Oh, H., Lupu, D., Blanita, G., & Hirscher, M. (2014). Experimental assessment of Physical upper limit
for hydrogen storage capacity at 20 K in densified MIL-101 monoliths. RSC Advances, 4(6), 26482651. doi:10.1039/c3ra46233a.
Oh, H., Savchenko, I., Mavrandonakis, A., Heine, T., & Hirscher, M. (2014). Highly effective
hydrogen isotope separation in nanoporous metal-organic framworks with open metal sites: Direct
measurement and theoretical analysis. ACS Nano, 8(1), 761-770. doi:10.1021/nn405420t.
Ortega, P., Braun, D. A., & Tishby, N. (2014). Monte Carlo methods for exact & efficient solution of
the generalized optimality equations. In: 2014 IEEE International Conference on Robotics and
Automation (ICRA 2014) (pp. 4322-4327). Piscataway, NJ: IEEE. doi:10.1109/ICRA.2014.6907488.
Ortega, P., & Braun, D. A. (2014). Generalized Thompson sampling for sequential decision-making
and causal inference. Complex Adaptive Systems Modeling, 2: 2. doi:10.1186/2194-3206-2-2.
Özdöl, V. B., Tyutyunnikov, D., Koch, C. T., & van Aken, P. A. (2014). Strain mapping for advanced
CMOS technologies. Crystal Research and Technology, 49(1), 38-42. doi:10.1002/crat.201300226.
Ozsoy-Keskinbora, C., Boothroyd, C., Dunin-Borkowski, R., van Aken, P. A., & Koch, C. T. (2014).
Hybridization approach to in-line and off-axis (electron) holography for superior resolution and phase
sensitivity. Scientific Reports, 4, 7020. doi:10.1038/srep07020.
24
Dokumentation 2014
II
Pacheco, J., Zuffi, S., Black, M. J., & Sudderth, E. (2014). Preserving Modes and Messages via
Diverse Particle Selection. In: E. P. Xing, & T. Jebara (Eds.), Proceedings of the 31st International
Conference on Machine Learning (ICML 2014) (pp. 1152-1160). JMLR - Workshop and Conference
Proceedings, Vol. 32. Brookline, MA: Microtome Publishing. Retrieved from
http://jmlr.csail.mit.edu/proceedings/papers/v32/pacheco14.pdf.
Pallarola, D., Bochen, A., Böhm, H., Rechenmacher, F., Sobahi, T., Spatz, J. P., & Kessler, H. (2014).
Interface Immobilization Chemistry of cRGD-based Peptides Regulates Integrin Mediated Cell
Adhesion. Advanced Functional Materials, 24(7), 943-956. doi:10.1002/adfm.201302411.
Paraschos, A., Neumann, G., & Peters, J. (2013). A Probabilistic Approach to Robot Trajectory
Generation. In: Proceedings of the 13th IEEE International Conference on Humanoid Robots
(HUMANOIDS 2013) (pp. 477-483). IEEE. doi:10.1109/HUMANOIDS.2013.7030017.
Pedersen, E. B. B., Tromholt, T., Madsen, M. V., Böttiger, A. P. L., Weigand, M., Krebs, F. C., &
Andreasen, J. W. (2014). Spatial degradation mapping and component-wise degradation tracking in
polymer-fullerene blends. Journal of Materials Chemistry C, 2(26), 5176-5182.
doi:10.1039/C4TC00028E.
Peng, Z., Genewein, T., & Braun, D. A. (2014). Assessing randomness and complexity in human
motion trajectories through analysis of symbolic sequences. Frontiers in Human Neuroscience, 8: 168.
doi:10.3389/fnhum.2014.00168.
Peng, Z., & Braun, D. A. (2014). Curiosity-driven learning with Context Tree Weighting. In: 2014
Joint IEEE International Conferences on Development and Learning and Epigenetic Robotics (ICDLEpirob) (pp. 366-367). Piscataway, NJ, USA: IEEE. doi:10.1109/DEVLRN.2014.6983008.
Pepik, B., Stark, M., Gehler, P., & Schiele, B. (2014). Multi-View Priors for Learning Detectors from
Sparse Viewpoint Data. In: International Conference on Learning Representations (ICLR) 2014, (pp.
1-13). Ithaca, NY, Cornell Univ.
Persello, C., Boularias, A., Dalponte, M., Gobakken, T., Naesset, E., & Schölkopf, B. (2014). CostSensitive Active Learning With Lookahead: Optimizing Field Surveys for Remote Sensing Data
Classification. IEEE Transactions on Geoscience and Remote Sensing, 52(10), 6652-6664.
doi:10.1109/TGRS.2014.2300189.
Persello, C., & Bruzzone, L. (2014). Active and Semisupervised Learning for the Classification of
Remote Sensing Images. IEEE Transactions on Geoscience and Remote Sensing, 52(11), 6937-6956.
doi:10.1109/TGRS.2014.2305805.
Peruch, F., Bogo, F., Bonazza, M., Cappelleri, V.-M., & Peserico, E. (2014). Simpler, faster, more
accurate melanocytic lesion segmentation through MEDS. IEEE Transactions on Biomedical
Engineering, 61(2), 557-565. doi:10.1109/TBME.2013.2283803.
Peters, J., Mooij, J., Janzing, D., & Schölkopf, B. (2014). Causal Discovery with Continuous Additive
Noise Models. Journal of Machine Learning Research, 15(1), 2009-2053. Retrieved from
http://papers.nips.cc/paper/3548-nonlinear-causal-discovery-with-additive-noise-models.pdf.
Petersen, J., Wille, M., Raket, L., Feragen, A., Pedersen, J., Nielsen, M., Dirksen, A., & de Bruijne, M.
(2014). Effect of inspiration on airway dimensions measured in maximal inspiration CT images of
subjects without airflow limitation. European Radiology, 24(9), 2319-2325. doi:10.1007/s00330-0143261-3.
Pfeiffer, M., Lindfors, K., Zhang, H., Fenk, B., Phillipp, F., Atkinson, P., Rastelli, A., Schmidt, O. G.,
Giessen, H., & Lippitz, M. (2014). Eleven nanometer alignment precision of a plasmonic nanoantenna
with a self-assembled GaAs quantum dot. Nano Letters, 14(1), 197-201. doi:10.1021/nl403730q.
Pillonetto, G., Dinuzzo, F., Chen, T., De Nicolao, G., & Ljung, L. (2014). Kernel methods in system
identification, machine learning and function estimation: A survey. Automatica, 50(3), 657-682.
doi:10.1016/j.automatica.2014.01.001.
25
II
Dokumentation 2014
Piryankova, I., Stefanucci, J., Romero, J., de la Rosa, S., Black, M. J., & Mohler, B. (2014). Can I
recognize my body´s weight? The influence of shape and texture on the perception of self. ACM
Transactions on Applied Perception (TAP), 11(3): 13, pp. 13:1-13:18. doi:10.1145/2641568.
Pöhlker, C., Saturno, J., Krüger, M. L., Förster, J.-D., Weigand, M., Wiedemann, K. T., Bechtel, M.,
Artaxo, P., & Andreae, M. O. (2014). Efflorescence upon humidification? X-ray microspectroscopic
in situ observation of changes in aerosol microstructure and phase state upon hydration. Geophysical
Research Letters, 41(10), 3681-3689. doi:10.1002/2014GL059409.
Pons-Moll, G., Fleet, D. J., & Rosenhahn, B. (2014). Posebits for Monocular Human Pose Estimation.
In: 2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2014) (pp. 23452352). Los Alamitos, CA: IEEE Computer Society. doi:10.1109/CVPR.2014.300.
Pousaneh, F., Ciach, A., & Maciolek, A. (2014). How ions in solution can change the sign of the
critical Casimir potential. Soft Matter, 10(3), 470-483. doi:10.1039/c3sm51972d.
Probst, S., Wiehr, S., Mantlik, F., Schmidt, H., Kolb, A., Münch, P., Delcuratolo, M., Stubenrauch, F.,
Pichler, B., & Iftner, T. (2014). Evaluation of Positron Emission Tomographic Tracers for Imaging of
Papillomavirus-Induced Tumors in Rabbits. Molecular Imaging, 13(1), 1536-0121. doi:
10.2310/7290.2013.00070.
Qiu, T., Gibbs, J. G., Schamel, D., Mark, A. G., Choudhury, U., & Fischer, P. (2014). From
nanohelices to magnetically actuated microdrills: A universal platform for some of the smallest
untethered microrobotic systems for low Reynolds number and bio-logical environments. In:
I. Paprotny, & S. Bergbreiter (Eds.), Small-Scale Robotics. From Nano-to-Millimeter-Sized Robotic
Systems and Applications. First International Workshop, microICRA 2013, (pp. 53-65). Lecture Notes
in Computer Science, Vol. 8336. Berlin Heidelberg: Springer-Verlag.
Qiu, T., Lee, T. C., Mark, A. G., Mozorov, K. I., Münster, R., Mierka, O., Turek, S.,
Leshansky, A. M., & Fischer, P. (2014). Swimming by reciprocal motion at low Reynolds number.
Nature Communications, (5): 5119. doi:10.1038/ncomms611.
Qiu, T., Schamel, D., Mark, A. G., & Fischer, P. (2014). Active Microrheology of the Vitreous of the
Eye applied to Nanorobot Propulsion. In: 2014 IEEE International Conference on Robotics &
Automation (ICRA 2014) (pp. 3801-3806). Piscataway, NJ: IEEE.
Qu, F., Li, C., Wang, Z., Strunk, H., & Maier, J. (2014). Metal-Induced crystallization of highly
corrugated silicon thick films as potential anodes for Li-Ion batteries. ACS Applied Materials &
Interfaces, 6, 8782-8788. doi:10.1021/am501570w.
Quint, S., & Pacholski, C. (2014). Getting real: influence of structural disorder on the performance of
plasmonic hole array sensors fabricated by a bottom-up approach. Journal of Materials Chemistry C,
2, 7632-7638. doi:10.1039/C4TC01244E.
Raic, A., Rödling, L., Kalbacher, H., & Lee-Thedieck, C. (2014). Biomimetic macroporous PEG
hydrogels as 3D scaffolds for the multiplication of human hematopoietic stem and progenitor cells.
Biomaterials, 35, 929-940. doi:10.1016/j.biomaterials.2013.10.038.
Ranzinger, J., Rustom, A., Heide, D., Morath, C., Schemmer, P., Nawroth, P. P., Zeier, M., &
Schwenger, V. (2013). The receptor for advanced glycation end-products (RAGE) plays a key role in
the formation of nanotubes (NTs) between peritoneal mesothelial cells and in murine kidneys. Cell
and Tissue Research, 357, 667-679. doi: 10.1007/s00441-014-1904-y.
Ranzinger, J., Rustom, A., & Schwenger, V. (2014). Membrane nanotubes between peritoneal
mesothelial cells: Functional connectivity and crucial participation during inflammatory reactions.
Frontiers in Physiology, 5: 412. doi:10.3389/fphys.2014.00412.
Reeve, R. M., Loescher, A., Mawass, M.-A., Hoffmann-Vogel, R., & Kläui, M. (2014). Domain wall
pinning in ultra-narrow electromigrated break junctions. Journal of Physics: Condensed Matter,
26(47): 474207. doi:10.1088/0953-8984/26/47/474207.
26
Dokumentation 2014
II
Rehan, A., Zaheer, A., Akhter, I., Saeed, A., Mahmood, B., Usmani, M., & Khan, S. (2014). NRSfM
using Local Rigidity. In: 2014 IEEE Winter Conference on Applications of Computer Vision (WACV)
(pp. 69-74). IEEE. doi:10.1109/WACV.2014.6836116.
Restrepo, M. I., Ulusoy, A., & Mundy, J. L. (2014). Evaluation of feature-based 3-d registration of
probabilistic volumetric scenes. ISPRS Journal of Photogrammetry and Remote Sensing, 98, 1-18.
doi:10.1016/j.isprsjprs.2014.09.010.
Restrepo-Pérez, L., Soler, L., Martínez-Cisneros, C. S., Sanchez, S., & Schmidt, O. G. (2014).
Trapping self-propelled micromotors with microfabricated chevron and heart-shaped chips. Lab on a
Chip, 14(9), 1515-1518. doi:10.1039/C3LC51419F.
Righetti, L., Kalakrishnan, M., Pastor, P., Binney, J., Kelly, J., Voorhies, R., Sukhatme, G., & Schaal, S.
(2014). An autonomous manipulation system based on force control and optimization. Autonomous
Robots, 36(1-2), 11-30. doi:10.1007/s10514-013-9365-9.
Rinke, G., Rauschenbach, S., Harnau, L., Albarghash, A., Pauly, M., & Kern, K. (2014). Active
Conformation Control of Unfolded Proteins by Hyperthermal Collision with a Metal Surface. Nano
Letters, 14(10), 5609-5615. doi:10.1021/nl502122j.
Roche, J., Sanchez, J., Lannelongue, J., Loget, G., Bouffier, L., Fischer, P., & Kuhn, A. (2014).
Wireless powering of e-swimmers. Scientific Reports, 4: 6705. doi:10.1038/srep06705.
Roos, B., Kapelle, B., Richter, G., & Volkert, C. A. (2014). Surface dislocation nucleation controlled
deformation of Au nanowires. Applied Physics Letters, 105: 201908. doi:10.1063/1.4902313.
Roser, M., Dunbabin, M., & Geiger, A. (2014). Simultaneous Underwater Visibility Assessment,
Enhancement and Improved Stereo. In: 2014 IEEE International Conference on Robotics and
Automation (ICRA 2014) (pp. 3840-3847). Piscataway, NJ: IEEE. doi:10.1109/ICRA.2014.6907416.
Rothenstein, D., Facey, S. J., Ploss, M., Hans, P., Melcher, M., Srot, V., Van Aken, P. A., Hauer, B.,
& Bill, J. (2013). Mineralization of gold nanoparticles using tailored M13 phages. Bioinspired,
Biomimetic and Nanobiomaterials, 2, 173-185. doi:10.1680/bbn.13.00004.
Rotella, N., Bloesch, M., Righetti, L., & Schaal, S. (2014). State Estimation for Walking Humanoids
on Unknown Terrain. In: Dynamic Walking 2014. Proceedings. Retrieved from
http://dynamicwalking.org/ocs/index.php/dw2014/dw2014/paper/viewFile/85/66.
Rotella, N., Bloesch, M., Righetti, L., & Schaal, S. (2014). State Estimation for a Humanoid Robot. In:
IEEE / RSJ International Conference on Intelligent Robots and Systems (IROS 2014) (pp. 952-958).
IEEE. doi:10.1109/IROS.2014.6942674.
Roy, S., & Das, S. K. (2014). Finite-size scaling study of shear viscosity anomaly at liquid-liquid
criticality. The Journal of Chemical Physics, 141(23): 234502. doi:10.1063/1.4903810.
Salgin, B., Pontoni, D., Vogel, D., Schröder, H., Keil, P., Stratmann, M., Reichert, H. G., &
Rohwerder, M. (2014). Chemistry-dependent X-ray-induced surface charging. Physical Chemistry
Chemical Physics, 16(40), 22255-22261. doi:10.1039/c4cp02295e.
Sanchez, S., Wang, X., Solovev, A. A., Soler, L., Magdanz, V., & Schmidt, O. G. (2014). Tubular
micro- nanorobots: smart design for bio-related applications. In: I. Paprotny, & S. Bergbreiter (Eds.),
Small-Scale Robotics. (pp. 16-27). Lecture Notes in Computer Science, Vol. 8336. Berlin Heidelberg: Springer. doi:10.1007/978-3-642-55134-5_2.
Sanchez-Castillo, A., Eslami, S., Giesselmann, F., & Fischer, P. (2014). Circular polarization
interferometry: circularly polarized modes of cholesteric liquid crystals. Optics Express, 22(25),
31227-31236. doi:10.1364/OE.22.031227.
Schäfer, J. F., Gatidis, S., Schmidt, H., Gückel, B., Bezrukov, I., Pfannenberg, C. A., Reimold, M.,
Ebinger, M., Fuchs, J., Claussen, C. D., & Schwenzer, N. F. (2014). Simultaneous Whole-Body
PET/MR Imaging in Comparison to PET/CT in Pediatric Oncology: Initial Results. Radiology, 273(1),
220-231. doi:10.1148/radiol.14131732.
27
II
Dokumentation 2014
Scheeler, S., Lehr, D., Kley, E.-B., & Pacholski, C. (2014). Top-Up Fabrication of Gold Nanorings.
Chemistry – An Asian Journal, 9, 2072-2076. doi:0.1002/asia.201402182.
Schella, A., Melzer, A., July, C., & Bechinger, C. (2014). Effect of confinement on the mode
dynamics of dipole clusters. Soft Matter, 11 (6), 1197-1207. doi:10.1039/C4SM02333A.
Schenk, F. C., Böhm, H., Spatz, J. P., & Wegner, S. V. (2014). Dual-Functionalized Nanostructured
Biointerfaces by Click Chemistry. Langmuir, 30(23), 6897-6905. doi:10.1021/la500766t.
Schmidt, H., Schwenzer, N. F., Bezrukov, I., Mantlik, F., Kolb, A., Kupferschläger, J., & Pichler, B. J.
(2014). On the Quantification Accuracy, Homogeneity, and Stability of Simultaneous Positron
Emission Tomography/Magnetic Resonance Imaging Systems. Investigative Radiology, 49(6), 373381. doi:10.1097/RLI.0000000000000021.
Schmidt-Wilcke, T., Cagnoli, P., Wang, P., Schultz, T., Lotz, A., Mccune, W., & Sundgren, P. (2014).
Diminished white matter integrity in patients with systemic lupus erythematosus. NeuroImage:
Clinical, 5, 291-297. doi:doi:10.1016/j.nicl.2014.07.001.
Schnyder, S. K., Spanner, M., Höfling, F., Franosch, T., & Horbach, J. (2015). Rounding of the
localization transition in model porous media. Soft Matter, 11, 701-711. doi:10.1039/C4SM02334J.
Schober, M., Duvenaud, D., & Hennig, P. (2014). Probabilistic ODE Solvers with Runge-Kutta
Means. In: Z. Ghahramani, M. Welling, C. Cortes, N. Lawrence, & K. Weinberger (Eds.), Advances in
Neural Information Processing Systems 27 (NIPS 2014) (pp. 739-747). Red Hook, NY: Curran
Associates, Inc. Retrieved from http://papers.nips.cc/paper/5365-shaping-social-activity-byincentivizing-users.pdf.
Schober, M., Kasenburg, N., Feragen, A., Hennig, P., & Hauberg, S. (2014). Probabilistic Shortest
Path Tractography in DTI Using Gaussian Process ODE Solvers. In: P. Golland, N. Hata, C. Barillot,
J. Hornegger, & R. Howe (Eds.), Medical Image Computing and Computer-Assisted Intervention MICCAI 2014. 17th International Conference. Proceedings, Part III (pp. 265-272). Lecture Notes in
Computer Science, Vol. 8675. Springer International Publishing. doi:10.1007/978-3-319-10443-0_34.
Schoenbein, M., Strauss, T., & Geiger, A. (2014). Calibrating and Centering Quasi-Central
Catadioptric Cameras. In: 2014 IEEE International Conference on Robotics and Automation (ICRA
2014) (pp. 4443-4450). Piscataway, NJ: IEEE doi:10.1109/ICRA.2014.6907507.
Schoenbein, M., & Geiger, A. (2014). Omnidirectional 3D Reconstruction in Augmented Manhattan
Worlds. In: IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2014) (pp.
716-723). IEEE. doi:10.1109/IROS.2014.6942637.
Scholz, C., Wirner, F., Gomez-Solano, J. R., & Bechinger, C. (2014). Enhanced dispersion by elastic
turbulence in porous media. EPL, 107(5): 54003. doi:10.1209/0295-5075/107/54003.
Schwarz, B., Göhring, H., Meka, S. R., Schacherl, R. E., & Mittemeijer, E.-J. (2014). Pore formation
upon nitriding iron and iron-based alloys: the role of alloying elements and grain boundaries.
Metallurgical and Materials Transactions A, 46, 1057-1063. doi:10.1007/s11661-014-2581-x.
Sevilla-Lara, L., Sun, D., Learned-Miller, E. G., & Black, M. J. (2014). Optical Flow Estimation with
Channel Constancy. In: D. Fleet, T. Pajdla, B. Schiele, & T. Tuytelaars (Eds.), Computer Vision ECCV 2014. 13th European Conference. Proceedings, Part 1 (pp. 423-438). Lecture Notes in
Computer Science, Vol. 8689. Cham [u.a.]: Springer International Publishing. doi:10.1007/978-3-31910590-1_28.
Shimizu, Y., Böhm, H., Yamaguchi, K., Spatz, J. P., & Nakanishi, J. (2014). A Photoactivatable
Nanopatterned Substrate for Analyzing Collective Cell Migration with Precisely Tuned CellExtracellular Matrix Ligand Interactions. PLoS One, 9(3): e91875. doi:10.1371/journal.pone.0091875.
Silvestre, N. M., Liu, Q., Senyuk, B., Smalyukh, I. I., & Tasinkevych, M. (2014). Towards TemplateAssisted Assembly of Nematic Colloids. Physical Review Letters, 112(22): 225501.
doi:10.1103/PhysRevLett.112.225501.
28
Dokumentation 2014
II
Simmchen, J., Magdanz, V., Sanchez, S., Chokmaviroj, S., Ruiz-Molina, D., Baeza, A., & Schmidt, O. G.
(2014). Effect of surfactants on the performance of tubular and spherical micromotors – a comparative
study. RSC Advances, 4(39), 20334-20340. doi:10.1039/C4RA02202E.
Simon, N., Käthner, I., Ruf, C., Pasqualotto, E., Kübler, A., & Halder, S. (2014). An auditory
multiclass brain-computer interface with natural stimuli: Usability evaluation with healthy participants
and a motor impaired end user. Frontiers in Human Neuroscience, 8, 1039. doi:
10.3389/fnhum.2014.01039.
Singh, S. L., Schimmele, L., & Dietrich, S. (2015). Structures of simple liquids in contact with
nanosculptured surfaces. Physical Review E, 91(3): 032405. doi:10.1103/PhysRevE.91.032405.
Soler, L., & Sanchez, S. (2014). Catalytic nanomotors for environmental monitoring and water
remediation. Nanoscale, 6(13), 7175-7182. doi:10.1039/C4NR01321B.
Solly, E., Schöning, I., Boch, S., Kandeler, E., Marhan, S., Michalzik, B., Müller, J., Zscheischler, J.,
Trumbore, S., & Schrumpf, M. (2014). Factors controlling decomposition rates of fine root litter in
temperate forests and grasslands. Plant and Soil, 382(1-2), 203-218. doi:10.1007/s11104-014-2151-4.
Song, K., Schmid, H., Srot, V., Gilardi, E., Gregori, G., Du, K., Maier, J., & van Aken, P. A. (2014).
Cerium reduction at the interface between ceria and yttria-stabilised zirconia and implications for
interfacial oxygen non-stoichiometry. APL Materials, 2: 032104. doi:10.1063/1.4867556.
Spatz, J. P., & Schaal, S. (2014). Intelligent Systems: Bits and Bots. In: 2014 Research Perspectives of
the Max Planck Society. Nature Supplements 509(7502). Retrieved from
http://www.nature.com/nature/supplements/collections/npgpublications/planck/.
Full version: http://www.mpg.de/perspectives
Sproll, M., Noske, M., Bauer, H., Kammerer, M., Gangwar, A., Dieterle, G., Weigand, M., Stoll, H.,
Woltersdorf, G., Back, C. H., & Schütz, G. (2014). Low-amplitude magnetic vortex core reversal by
non-linear interaction between azimuthal spin waves and the vortex gyromode. Applied Physics
Letters, 104(1): 012409. doi:10.1063/1.4861779.
Srikantha, A., & Gall, J. (2014). Discovering Object Classes from Activities. In: D. Fleet, T. Pajdla,
B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. 3th European Conference on
Computer Vision. Proceedings, Part 6 (pp. 415-430). Lecture Notes in Computer Science, Vol. 8694.
Cham [u.a.]: Springer International Publishing. doi:10.1007/978-3-319-10599-4_27.
Srikantha, A., & Gall, J. (2014). Hough-based Object Detection with Grouped Features. In: 2014 IEEE
International Conference on Image Processing (ICIP) (pp. 1653-1657). IEEE.
Srot, V., Bußmann, B., Salzberger, U., Koch, C. T., & van Aken, P. A. (2013). Exploring teeth by
analytical (S)TEM – nanochemistry and microstructure of human teeth. G.I.T. Imaging and
Microscopy, 3, 35-37.
Srot, V., Gec, M., van Aken, P. A., Jae-Ho Jeon, J.-H., & Ceh, M. (2014). Influence of TEM specimen
preparation on chemical composition of Pb(Mg1/3Nb2/3)O3–PbTiO3single crystals. Micron, 62, 37-42.
doi:10.1016/j.micron.2014.03.001.
Stahl, C., Audehm, P., Gräfe, J., Ruoß, S., Weigand, M., Schmidt, M., Treiber, S., Bechtel, M.,
Goering, E., Schütz, G., & Albrecht, J. (2014). Detecting magnetic flux distributions in
superconductors with polarized x-rays. Physical Review B, 90(10): 104515.
doi:10.1103/PhysRevB.90.104515.
Stahl, C., Walker, P., Treiber, S., Christiani, G., Schütz, G., & Albrecht, J. (2014). Using magnetic
coupling in bilayers of superconducting YBCO and soft-magnetic CoFeB to map supercurrent flow.
EPL, 106(2): 27002. doi:10.1209/0295-5075/106/27002.
Stanglmair, C., Scheeler, S., & Pacholski, C. (2014). Seeding Growth Approach to Gold Nanoparticles
with Diameters Ranging from 10 to 80 Nanometers in Organic Solvent. European Journal of
Inorganic Chemistry, 23, 3633-3637. doi:10.1002/ejic.201402467.
Stein, F.-U., Bocklage, L., Weigand, M., & Meier, G. (2014). Direct observation of internal vortex
domain-wall dynamics. Physical Review B, 89(2): 024423. doi:10.1103/PhysRevB.89.024423.
29
II
Dokumentation 2014
Stein, J., Rehm, S., Welzel, U., Huegel, W., & Mittemeijer, E.-J. (2014). The role of silver in
mitigation of whisker formation on thin tin films. Journal of Electronic Materials, 43, 4308-4316.
doi:10.1007/s11664-014-3328-6.
Stein, J., Pascher, M., Welzel, U., Huegel, W., & Mittemeijer, E.-J. (2014). Imposition of defined
states of stress on thin films by a wafer-curvature method; validation and application to aging Sn
films. Thin Solid Films, 568, 52-57. doi:10.1016/j.tsf.2014.08.007.
Sugiyama, M., Azencott, C.-A., Grimm, D., Kawahara, Y., & Borgwardt, K. M. (2014). Multi-Task
Feature Selection on Multiple Networks via Maximum Flows. In: M. Zaki (Ed.), Proceedings of the
2014 SIAM International Conference on Data Mining (pp. 199-207). Society for Industrial and
Applied Mathematics (SIAM). doi:10.1137/1.9781611973440.23.
Sun, D., Roth, S., & Black, M. J. (2014). A Quantitative Analysis of Current Practices in Optical Flow
Estimation and the Principles behind Them. International Journal of Computer Vision, 106(2), 115137. doi:10.1007/s11263-013-0644-x.
Sun, J. G., Gräter, S., Tang, J., Huang, J., Liu, P., Lai, Y., Majer, G., Spatz, J. P., & Ding, J. (2014).
Preparation of stable micropatterns of gold on cell-adhesion-resistant hydrogels assisted by a heterobifunctional macromonomer linker. Science China Chemistry, 57, 645-653. doi:10.1007/s11426-0135057-8.
Szilágyi, P. A., Weinrauch, I., Oh, H., Hirscher, M., Juan-Alcaniz, J., Serra-Crespo, P., de Respinis, M.,
Trzesniewski, B. J., Kapteijn, F., Geerlings, H., Gascon, J., Dam, B., Grzech, A., & van de Krol, R.
(2014). Interplay of linker functionalization and hydrogen adsorption in the metal-organic framework
MIL-101. The Journal of Physical Chemistry C, 118(34), 19572-19579. doi:10.1021/jp5050628.
Talebi, N. (2014). A directional, ultrafast and integrated few-photon source utilizing the interaction of
electron beams and plasmonic nanoantennas. New Journal of Physics, 16: 053021. doi:10.1088/13672630/16/5/053021.
Talebi, N., Ögüt, B., Sigle, W., Vogelgesang, R., & van Aken, P. A. (2014). On the symmetry and
topology of plasmonic eigenmodes in heptamer and hexamer nanocavities. Applied Physics A, 116,
947-954. doi:10.1007/s00339-014-8532-y.
Tasinkevych, M., Campbell, M. G., & Smalyukh, I. I. (2014). Splitting, linking, knotting, and solitonic
escape of topological defects in nematic drops with handles. Proceedings of the National Academy of
Sciences of the United States of America, 111(46), 16268-16273. doi:10.1073/pnas.1405928111.
Tasinkevych, M., Mondiot, F., Mondain-Monval, O., & Loudet, J. C. (2014). Dispersions of
ellipsoidal particles in a nematic liquid crystal. Soft Matter, 10(12), 2047-2058.
doi:10.1039/C3SM52708E.
Ten Hagen, B., Kümmel, F., Wittkowski, R., Takagi, D., Löwen, H., & Bechinger, C. (2014).
Gravitaxis of asymmetric self-propelled colloidal particles. Nature Communications, 5: 4829.
doi:10.1038/ncomms5829.
Thakar, D., Migliorini, E., Coche-Guerente, L., Sadir, R., Lortat-Jacob, H., Boturyn, D., Renaudet, O.,
Labbé, P., & Richter, R. P. (2014). A quartz crystal microbalance method to study the terminal
functionalization of glycosaminoglycans. Chemical Communications, 50, 15148-15151.
doi:10.1039/C4CC06905F.
Toussaint, M., Ratliff, N., Bohg, J., Righetti, L., Englert, P., & Schaal, S. (2014). Dual Execution of
Optimized Contact Interaction Trajectories. In: IEEE/RSJ International Conference on Intelligent
Robots and Systems (IROS 2014) (pp. 47-54). IEEE. doi:10.1109/IROS.2014.6942539.
Treiber, S., Stahl, C., Schütz, G., Soltan, S., & Albrecht, J. (2014). Stabilization of the dissipation-free
current transport in inhomogeneous MgB2 thin films. Physica C, 506, 1-5.
doi:10.1016/j.physc.2014.08.004.
Trimpe, S. (2014). Stability Analysis of Distributed Event-Based State Estimation. In: 53rd IEEE
Conference on Decision and Control (pp. 2013-2019). IEEE. doi:10.1109/CDC.2014.7039694.
30
Dokumentation 2014
II
Trimpe, S., & D'Andrea, R. (2014). Event-Based State Estimation With Variance-Based Triggering.
IEEE Transactions on Automatic Control, 59(12), 3266-3281. doi:10.1109/TAC.2014.2351951.
Trimpe, S., & D'Andrea, R. (2014). A Limiting Property of the Matrix Exponential. IEEE
Transactions on Automatic Control, 59(4), 1105-1110. doi:10.1109/TAC.2013.2287112.
Tsoli, A., Loper, M., & Black, M. J. (2014). Model-based Anthropometry: Predicting Measurements
from 3D Human Scans in Multiple Poses. In: 2014 IEEE Winter Conference on Applications of
Computer Vision (WACV) (pp. 83-90). IEEE.
Tsoli, A., Mahmood, N., & Black, M. J. (2014). Breathing Life into Shape: Capturing, Modeling and
Animating 3D Human Breathing. ACM Transactions on Graphics, 33(4), 52-1-52-11.
doi:10.1145/2601097.2601225.
Tzionas, D., Srikantha, A., Aponte, P., & Gall, J. (2014). Capturing Hand Motion with an RGB-D
Sensor, Fusing a Generative Model with Salient Points. In: Pattern Recognition. 36th German
Conference, GCPR 2014. Proceedings (pp. 277-289). Lecture Notes in Computer Science, Vol. 8753.
Cham [u.a.]: Springer International Publishing.
Ugarte-Uribe, B., & Garcia Saez, A. J. (2014). Membranes in motion: mitochondrial dynamics and
their role in apoptosis. Biological Chemistry Hoppe-Seyler, 395(3), 297-311. doi:10.1515/hsz-20130234.
Ugarte-Uribe, B., Müller, H.-M., Otsuki, M., Nickel, W., & García-Sáez, A. J. (2014). Dynaminrelated Protein 1 (Drp1) Promotes Structural Intermediates of Membrane Division. The Journal of
Biological Chemistry, 289(44), 30645-30656. doi:10.1074/jbc.M114.575779.
Ulusoy, O., Biris, O., & Mundy, J. L. (2013). Dynamic Probabilistic Volumetric Models. In: 2013
IEEE International Conference on Computer Vision (ICCV 2013) (pp. 505-512). IEEE.
doi:10.1109/ICCV.2013.68.
Ulusoy, O., & Mundy, J. L. (2014). Image-based 4-d Reconstruction Using 3-d Change Detection. In:
D. Fleet, T. Pajdla, B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. 13th European
Conference. Proceedings, Part 3 (pp. 31-45). Lecture Notes in Computer Science, Vol. 8691. Cham
[u.a.]: Springer International Publishing. doi:10.1007/978-3-319-10578-9_3.
Uspal, W. E., Popescu, M. N., Dietrich, S., & Tasinkevych, M. (2015). Self-propulsion of a
catalytically active particle near a planar wall: from reflection to sliding and hovering. Soft Matter,
11(3), 434-438. doi:10.1039/c4sm02317j.
Van der Meulen, S. A. J., Dubacheva, G. V., Dogterom, M., Richter, R. P., & Leunissen, M. E. (2014).
Quartz Crystal Microbalance with Dissipation Monitoring and Spectroscopic Ellipsometry
Measurements of the Phospholipid Bilayer Anchoring Stability and Kinetics of Hydrophobically
Modified DNA Oligonucleotides. Langmuir, 30, 6525-6533. doi:10.1021/la500940a.
Van Hoof, H., Kroemer, O., & Peters, J. (2014). Probabilistic Segmentation and Targeted Exploration
of Objects in Cluttered Environments. IEEE Transactions on Robotics, 30(5), 1198-1209.
doi:10.1109/TRO.2014.2334912.
Varney, M. C. M., Zhang, Q., Tasinkevych, M., Silvestre, N. M., Bertness, K. A., & Smalyukh, I. I.
(2014). Periodic dynamics, localization metastability, and elastic interaction of colloidal particles with
confining surfaces and helicoidal structure of cholesteric liquid crystals. Physical Review E, 90(6):
062502. doi:10.1103/PhysRevE.90.062502.
Vasilyev, O. (2014). Critical Casimir interactions between spherical particles in the presence of bulk
ordering fields. Physical Review E, 90: 012138. doi:10.1103/PhysRevE.90.012138.
Vasilyev, O., & Maciolek, A. (2015). Critical Casimir forces for a particle between two planar walls.
Journal of Non-Crystalline Solids, 407, 376-383. doi:10.1016/j.jnoncrysol.2014.09.005.
Vasilyev, O., & Dietrich, S. (2014). Critical Casimir forces for films with bulk ordering fields. EPL,
104: 60002. doi:10.1209/0295-5075/104/60002.
31
II
Dokumentation 2014
Vijayakumar, A., Eigenthaler, U., Keskinbora, K., Sridharan, G. M., Pramitha, V., Hirscher, M.,
Spatz, J. P., & Bhattacharya, S. (2014). Optimizing the fabrication of diffractive optical elements
using a focused ion beam system. Proceedings of SPIE, 9130: 91300X. doi:10.1117/12.2051925.
Von Buttlar, J., Zscheischler, J., & Mahecha, M. (2014). An extended approach for spatiotemporal
gapfilling: dealing with large and systematic gaps in geoscientific datasets. Nonlinear Processes in
Geophysics, 21(1), 203-215. doi:10.5194/npg-21-203-2014.
Wang, C., Liu, C., Roquiero, D., Grimm, D., Schwab, R., Becker, C., Lanz, C., & Weigel, D. (2014).
Genome-wide analysis of local chromatin packing in Arabidopsis thaliana. Genome Research, 25,
246-256. doi:10.1101/gr.170332.113.
Weichwald, S., Schölkopf, B., Ball, T., & Grosse-Wentrup, M. (2014). Causal and Anti-Causal
Learning in Pattern Recognition for Neuroimaging. In: 2014 International Workshop on Pattern
Recognition in Neuroimaging (PRNI) (pp. 1-4). IEEE. doi:10.1109/PRNI.2014.6858551.
Weichwald, S., Meyer, T., Schölkopf, B., Ball, T., & Grosse-Wentrup, M. (2014). Decoding Index
Finger Position from EEG Using Random Forests. In: L. K. Hansen, S. H. Jensen, & J. Larsen (Eds.),
4th International Workshop on Cognitive Information Processing (CIP) (pp. 1-6). IEEE.
doi:10.1109/CIP.2014.6844513.
Weiler, M., Quint, S., Klenk, S., & Pacholski, C. (2014). Bottom-up fabrication of nanohole arrays
loaded with gold nanoparticles: extraordinary plasmonic sensors. Chemical Communications, 50(97),
15419-15422. doi:10.1039/c4cc05208k.
Weinmann, M., Ionescu, E., Riedel, R., & Aldinger, F. (2013). Precursor-Derived Ceramics. In: S.
Somiya (Ed.), Handbook of Advanced Ceramics: Materials, Applications, Processing, and Properties
(2. Auflage).
Wierstra, D., Schaul, T., Glasmachers, T., Sun, Y., Peters, J., & Schmidhuber, J. (2014). Natural
Evolution Strategies. Journal of Machine Learning Research, 15, 949-980.
Wirner, F., Scholz, C., & Bechinger, C. (2014). Geometrical interpretation of long-time tails of firstpassage time distributions in porous media with stagnant parts. Physical Review E, 90(1): 013025.
doi:10.1103/PhysRevE.90.013025.
Wohlfart, E., Wolff, J. O., Arzt, E., & Gorb, S. N. (2014). The whole is more than the sum of all its
parts: collective effect of spider attachment organs. The Journal of Experimental Biology, 217, 222224. doi:10.1242/jeb.093468.
Wulff, J., & Black, M. J. (2014). Modeling Blurred Video with Layers. In: D. Fleet, T. Pajdla,
B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. 13th European Conference.
Proceedings, Part 6 (pp. 236-252). Lecture Notes in Computer Science, Vol. 8694. Cham [u.a.]:
Springer International Publishing. doi:10.1007/978-3-319-10599-4_16.
Xi, W., Schmidt, C. K., Sanchez, S., Gracias, D. H., Carazo-Salas, R. E., Jackson, S. P., &
Schmidt, O. G. (2014). Rolled-up Functionalized Nanomembranes as Three-Dimensional Cavities for
Single Cell Studies. Nano Letters, 14(2), 4197-4204. doi:10.1021/nl4042565.
Yaouanc, A., Maisuradze, A., Nakai, N., Machida, K., Khasanov, R., Amato, A., Biswas, P. K.,
Baines, C., Herlach, D., Henes, R., Keppler, P., & Keller, H. (2014). Magnetic field distribution and
characteristic fields of the vortex lattice for a clean superconducting niobium sample in an external
field applied along a three-fold axis. Physical Review B, 89(18): 184503.
doi:10.1103/PhysRevB.89.184503.
Zaidouny, L., Bohlein, T., Roth, J., & Bechinger, C. (2014). Periodic average structures of colloidal
quasicrystals. Soft Matter, (10 (43)), 8705-8710. doi:10.1039/C4SM01607F.
Zeilinger, M., Morari, M., & Jones, C. (2014). Soft Constrained Model Predictive Control With
Robust Stability Guarantees. IEEE Transactions on Automatic Control, 59(5), 1190-1202.
doi:10.1109/TAC.2014.2304371.
Zeilinger, M., Raimondo, D. M., Domahidi, A., Morari, M., & Jones, C. N. (2014). On real-time
robust model predictive control. Automatica, 50(3), 683-694. doi:10.1016/j.automatica.2013.11.019.
32
Dokumentation 2014
II
Zhang, J., & Zhang, K. (2014). Likelihood and Consilience: On Forster's Counterexamples to the
Likelihood Theory of Evidence. In: Philosophy of Science Association. 24th Biennial Meeting (PSA
2014). Preprint volume. (Version of 7 November 2014, pp. 976-990). Pittsburgh, PA, USA: PhilSciArchive. Retrieved from http://philsci-archive.pitt.edu/id/eprint/11093.
Zhou, D., Sigle, W., Okunishi, E., Wang, Y., Kelsch, M., Habermeier, H.-U., & van Aken, P. A.
(2014). Interfacial chemistry and atomic arrangement of ZrO2 − La2/3Sr1/3MnO3 pillar-matrix
structures. APL Materials, 2: 127301. doi:10.1063/1.4904819.
Zhu, C., Song, K., van Aken, P. A., Maier, J., & Yu, Y. (2014). Carbon-coated Na3V2(PO4)3 embedded
in porous carbon matrix: An ultrafast Na-storage cathode with the potential of outperforming Li
cathodes. Nano Letters, 14(4), 2175-2180. doi:10.1021/nl500548a.
Zhu, C., Mu, X., van Aken, P. A., Yu, Y., & Maier, J. (2014). Single-Layered Ultrasmall Nanoplates
of MoS2 Embedded in Carbon Nanofibers with Excellent Electrochemical Performance for Lithium
and Sodium Storage. Angewandte Chemie International Edition, 53(8), 2152-2156. doi:DOI:
10.1002/anie.201308354.
Zhu, C., Mu, X., Popovic, J., Weichert, K., van Aken, P. A., Yu, Y., & Maier, J. (2014). Lithium
Potential Variations for Metastable Materials: Case Study of Nanocrystalline and Amorphous
LiFePO4. Nano Letters, 14, 5342-5349. doi:10.1021/nl5024063.
Zotov, N., Marzynkevitsch, V., & Mittemeijer, E.-J. (2014). Evaluation of kinetic equations describing
the martensite-austenite phase transformation in NiTi shape memory alloys. Journal of Alloys and
Compounds, 616, 385-393. doi:10.1016/j.jallcom.2014.07.148.
Zscheischler, J., Reichstein, M., Harmeling, S., Rammig, A., Tomelleri, E., & Mahecha, M. (2014).
Extreme events in gross primary production: a characterization across continents. Biogeosciences, 11,
2909-2924. doi:10.5194/bg-11-2909-2014.
Zscheischler, J., Michalak, A., Schwalm, M., Mahecha, M., Huntzinger, D., Reichstein, M.,
Berthier, G., Ciais, P., Cook, R., El-Masri, B., Huang, M., Ito, A., Jain, A., King, A., Lei, H., Lu, C.,
Mao, J., Peng, S., Poulter, B., Ricciuto, D., Shi, X., Tao, B., Tian, H., Viovy, N., Wang, W., Wei, Y.,
Yang, J., & Zeng, N. (2014). Impact of Large-Scale Climate Extremes on Biospheric Carbon Fluxes:
An Intercomparison Based on MsTMIP Data. Global Biogeochemical Cycles, 28(6), 585-600.
doi:10.1002/2014GB004826.
Zscheischler, J., Mahecha, M., v Buttlar, J., Harmeling, S., Jung, M., Rammig, A., Randerson, J.,
Schölkopf, B., Seneviratne, S., Tomelleri, E., Zaehle, S., & Reichstein, M. (2014). A few extreme
events dominate global interannual variability in gross primary production. Environmental Research
Letters, 9(3), 035001. doi:10.1088/1748-9326/9/3/035001.
b) Monografien und Beiträge zu Sammelwerken
Axmann, M., Madl, J., & Schütz, G. J. (2013). Single-Molecule Microscopy in the Life Sciences. In:
U. Kubitschek (Ed.), Fluorescence Microscopy: From Principles to Biological Applications (pp.2093343. Weinhem: Wiley-VCH.
Bechinger, C., Sciortino, F., & Ziherl, P. (Eds.). (2013). Physics of Complex Colloids. Amsterdam:
IOS Press.
Brüggemann, D., Wolfrum, B., & de Silva, J. P. (2014). Fabrication, Properties and Applications of
Gold Nanopillars. In: B. Bhushan et al. (Eds.), Handbook of Nanomaterials Properties (pp. 317-354).
Berlin Heidelberg: Springer. doi 10.1007/978-3-642-31107-9_55.
Gall, J. (2014). Simulated Annealing. In: K. Ikeuchi (Ed.), Computer Vision. A Reference Guide (pp.
737-741). New York [u.al.]: Springer. doi:10.1007/978-0-387-31439-6_680.
33
II
Dokumentation 2014
Kober, J., & Peters, J. (2014). Learning Motor Skills: From Algorithms to Robot Experiments.
Springer Tracts in Advanced Robotics, Vol. 97. Cham [u.a.]: Springer. doi:10.1007/978-3-319-031941.
Kudera, S., & Manna, L. (2014). Bottom-Up Synthesis of Nanosized Objects. In: D. Berti, &
G. Palazzo (Eds.), Colloidal Foundations of Nanoscience (pp. 47-80). Elsevier.
Mattos, T. G., Mejia-Monasterio, C., Metzler, R., Oshanin, G., & Schehr, G. (2014). Trajectory to
trajectory fluctuations in first-passage phenomena in bounded domains. In: R. Metzler (Ed.), Firstpassage phenomena and their applications (pp. 203-225). Singapore: World Scientific Publishing.
Nowozin, S., Gehler, P., Jancsary, J., & Lampert, C. H. (Eds.). (2014). Advanced Structured
Prediction (pp. 456). Cambridge, MA: MIT Press.
Platzman, I., Gadomska, K. M., Janiesch, J.-W., Louban, I., Cavalcanti-Adam, E. A., & Spatz, J. P.
(2014). Soft/Elastic Nanopatterned Biointerfaces in the Service of Cell Biology. In: M. Piel, &
M. Théry (Eds.), Micropatterning in Cell Biology, Part A (pp. 237-260). Methods in Cell Biology,
Vol. 119. Elsevier Academic Press, Amsterdam [u.a.] .
Richter, R. P., Rodenhausen, K. B., Eisele, N. B., & Schubert, M. (2014). Coupling spectroscopic
ellipsometry and quartz crystal microbalance to study organic films at the solid-liquid interface. In:
K. Hinrichts, & K.-J. Eichhorn (Eds.), Ellipsometry of Functional Organic Surfaces and Films.
Springer Series in Surface Sciences, Vol. 52. Berlin, Heidelberg: Springer. doi:10.1007/978-3-64240128-2.
Slycke, J., Mittemeijer, E. J., & Somers, M. A. J. (2014). Thermodynamics and Kinetics of Gas and
Gas-Solid Reactions. In: E. J. Mittemeijer, & M. A. J. Somers (Eds.), Thermochemical Surface
Engineering of Steels (pp. 3-111). Amsterdam: Elsevier-Woodhead.
Sra, S. (2014). Tractable Optimization in Machine Learning. In: L. K. Bordeaux, Y. Hamadi, & P.
Kohli (Eds.), Tractability (pp. 202-230). Cambridge, UK: Cambridge University Press.
doi.org/10.1017/CBO9781139177801.
Weinmann, M., Ionescu, E., Riedel, R., & Aldinger, F. (2013). Precursor-Derived Ceramics. In:
S. Somiya (Ed.), Handbook of Advanced Ceramics: Materials, Applications, Processing, and
Properties (2nd ed.), Burlington, Elsevier. doi.org/10.1016/B978-0-12-385469-8.00056-3.
34
Dokumentation 2014
II
c) Herausgabe von Zeitschriften und Schriftenreihen
Van Aken, P. A. ist Mitglied im Editorial Board der Zeitschrift „Ultramicroscopy“
Borgwardt, K. gehört zu den „Action Editors“ der Zeitschrift „Journal of Machine Learning Research“
(JMLR)
Borgwardt, K. ist Mitglied im Editorial Board der Zeitschrift „Machine Learning“
Fischer, P. Mitglied im Editorial Board der Zeitschrift „Chirality“
Frank, W. ist Mitglied des Board of Editors der Zeitschrift „Applied Physics A“
Frank, W. ist Mitglied im Editorial Advisory Board der Zeitschrift „Materials Chemistry and Physics“
einschließlich der „Materials Science Communications“
García-Sáez A. J. ist Mitglied im Editorial Advisory Board der Zeitschrift „Physics and Chemistry of
Lipids“
Hirscher, M. ist Mitglied im Editorial Board der Zeitschrift „Applied Physics A“
Hofmann, S. ist Mitglied im Advisory Editorial Board der Zeitschrift „Applied Surface Science“
Hofmann, S. ist Mitglied im Editorial Advisory Board der Zeitschrift „Critical Reviews in Solid State
and Materials Science“
Hofmann, S. ist Mitglied des Editorial Advisory Board des „Journal of Advanced Science“
Hofmann, S. ist Mitglied des International Editorial Advisory Board der Zeitschrift
„Journal of Surface Analysis“
Hofmann, S. ist Mitglied im Editorial Advisory Board der Zeitschrift „Surface and Interface Analysis“
Mittemeijer, E. J., B. Scholtes und H. Altena sind Herausgeber der Zeitschrift „HTM Journal of Heat
Treatment and Materials“
Mittemeijer, E. J. ist Mitglied im Advisory Board der „Zeitschrift für Kristallographie – Crystalline
Materials“
Mittemeijer, E. J. ist Mitglied im Editorial Board der Zeitschrift „International Materials Reviews“
Mittemeijer, E. J. ist Mitglied im Editorial Board des „Journal of ASTM International“
Mittemeijer, E. J. ist Mitglied im Editorial Advisory Board der Zeitschrift „Materials Science Forum“
Mittemeijer, E. J. ist Mitglied im Editorial Advisory Board des „Journal of Alloys and Compounds“
Mittemeijer, E. J. ist Mitglied im Editorial Advisory Board des „Open Materials Science Journal“
Mittemeijer, E. J. ist Editor-in-Chief und Managing Editor des „International Journal of Materials
Research“
Mittemeijer, E. J. ist Mitglied im Editorial Board der Reihe „Advances in Materials Research“ des
Springer Verlags
Peters, Jan ist Associate Editor der „IEEE Transactions on Robotics“
Peters, Jan ist Mitglied im Editorial Board der Open Access Enzyklopädie „Scholarpedia“
Peters, Jan gehört zu den „Action Editors“ der Zeitschrift „Journal of Machine Learning Research“
(JMLR)
Petzow, G. ist Consultant Advisor des Editorial Boards der Zeitschrift „Metallography,
Microstructure, and Analysis“
Petzow, G. ist „Foundation Editor“ der Zeitschrift „Praktische Metallographie – Practical
Metallography“
Petzow, G. ist Herausgeber der Schriftenreihe „Sonderbände der Praktischen Metallographie“
35
II
Dokumentation 2014
Petzow; G. ist Herausgeber der Buchreihe „Materialkundlich-Technische Reihe“
Richter, R. P. ist Mitglied im Editorial Board (Review Editor) der Zeitschrift „Frontiers in
Bioengineering and Biotechnology. Biomechanics“
Rühle, M. und F. O. R. Fischer sind Managing Editor des „International Journal of Materials
Research“
Rühle, M. ist Mitglied im Editorial Board des „Journal of Ceramic Processing Research (Korea)“
Rühle, M. ist Mitglied im Editorial Board der Zeitschrift „Materials Science and Engineering A“
Schaal, S. gehört zu den „Action Editors“ der Zeitschrift „Neural Networks“
Schaal, S. ist Review Editor der Zeitschrift „Frontiers in Neurorobotics“
Schaal, S. ist Mitglied im Editorial Advisory Board der Zeitschrift „Paladyn. Journal of Behavioral
Robotics“
Schaal, S. ist einer der vier Herausgeber der Springer Buchserie „Cognitive Systems Monographs“,
zusammen mit R. Dillmann, Y. Nakamura und D. Vernon
Schölkopf, B.ist ist zusammen mit Kevin Murphy „Editor in Chief“ des „Journal of Machine Learning
Research“ (JMLR)
Schölkopf, B. ist Mitglied im Editorial Board und Gründungsmitglied der Zeitschrift „Foundations and
Trends in Machine Learning“ (FnT Machine Learning)
Schölkopf, B. ist Mitglied im Editorial Board der Serie „ACM Books“ der Association for Computing
Machinery
Schölkopf, B. ist Mitglied im Advisory Board der Zeitschrift „Statistics and Computing“
Schölkopf, B. ist Co-Editor der Serie „Information Science and Statistics“
Schölkopf, B. ist Mitglied im Advisory Board der Zeitschrift „International Journal of Machine
Learning and Cybernetics“
Seeger, A. ist Mitglied im Advisory Board der Zeitschrift „Philosophical Magazine“
Seeger, A. ist Mitglied im Advisory Board der Zeitschrift „Philosophical Magazine Letters“
Seeger, A. ist Mitglied im Editorial Board der Zeitschrift „physica status solidi a – applications on
materials sciences“
Seeger, A. ist Mitglied im Editorial Board der Zeitschrift „physica status solidi b - basic solid state
physics“
Spatz, J. P. ist Associate Editor der Zeitschrift „Nano Letters“
Wichmann, F. ist Mitglied im Editorial Board der Zeitschrift „Vision Research“
Wichmann, F. ist Mitglied im Editorial Board (Review Editor) der Zeitschrift „Frontiers in Psychology
- Cognitive Science“
d) Herausgabe von Zeitschriftenbänden und Zeitschriftenheften
Fischer, P. ist zusammen mit L. Dong und L. Zhang Herausgeber des Themenheftes „Helical Microand Nanostrucuctures“ der Zeitschrift „Nanoscale“ (Vol. 6, 2014. No. 16, pp. 9311- 9868)
Peters, J. ist zusammen mit H. Ben Amor, A. Saxena und N. Hudson Herausgeber des „Special Issue
on Autonomous Grasping and Manipulation“ der Zeitschrift „Autonomous Robots“ (Vol. 36, 2014,
No. 1-2)
36
Dokumentation 2014
III
III Erfindungs- und Patentanmeldungen 2014
Becker-Freyseng, C.: Elektronische Schaltungen für CMOS Biosensoren. MI 4897.
Becker-Freyseng, C.: Weiteres Know-How. MI 4929.
Brüggemann. D., Dirks, J.-H., Raoufi, M., Spatz, J. P.: A method to orientate non-continuous
nanofibres using 3D printing to fabricate composite materials with locally controlled mechanical
properties. MI 4906, EP 14003414.
Dirks, J.-H., Chen, W., Spatz, J. P., Brunner, R., Kraus, M.: Fabrication of nanostructures in and on
organic and inorganic substrates using mediating layers. MI 4911.
Jeong, H.-H., Lee, T. C., Fischer, P.: Stable (magnetic) nanocolloids. MI 4942.
Loper, M., Mahmood, N., Black, M. J.: MoSh: Shape from motion capture. MI 4774, US 61/930711.
Mark, A., Fischer, P.: Auxetic mechanical translation apparatus. MI 4752 (2013), EP 14170314
(2014).
Melde, K., Fischer, P.: Acoustic Fabrication. MI 4905. EP 14004333.
Qiu, T., Fischer, P.: Ultrasonic actuator. MP 4912, EP 14004399.
Schölkopf, B., Hirsch, M.: Learning method for correction of image aberrations. MI 4890.
Spatz, J. P., Geiger, F., Thaller, M., Lingenfelder, C., Böhm, H.: A Hyaluronic acid and RGD
modified Stent for Glaucoma Treatment. MI 4931.
Spatz, J. P., Watari, M., Magerl, R.: Verfahren zur Herstellung von metallischen/anorganischen
Mikro-/Nanofasern durch Schmelzspinnverfahren. MI 4844, EP 14180273.
MI: Max-Planck-Innovation GmbH
EP: Europäische Patentanmeldung
US: Amerikanische Patentanmeldung
37
IV
IV
Dokumentation 2014
Abgeschlossene Arbeiten 2014
a) Habilitationen
Leineweber, A. (2014). Phase transformations in interstitial alloys. Universität Stuttgart, Stuttgart.
Richter, R. P. (2014). Soft biological matter. mechanisms of supramolecular assembly and functions.
Université Joseph Fourier, Grenoble, Frankreich.
b) Dissertationen
Alamgir, M. (2014): Analysis of Distance Functions in Graphs. Universität Hamburg
Deeg, J. (2014). Modulating T cell activation by nanopatterned and micro-nanopatterned antigen
arrays. Ruprecht-Karls-Universität Heidelberg.
Gadomska, K. M. (2014). Gold nanoparticle-decorated glass microspheres in fabrication of active
scaffold for soft tissue engineering. Ruprecht-Karls-Universität Heidelberg.
Ibagon, I. (2014). Wetting phenomena in electrolyte solutions. Universität Stuttgart, Stuttgart.
Jüllig, P. (2014). Vortex-Kern-Korrelation in gekoppelten Systemen. Universität Stuttgart, Stuttgart.
Kurz, S. (2014). Nanocrystalline thin films: Microstructure, stability and properties. Universität
Stuttgart, Stuttgart.
Matic, J. (2014). Modulating T cell activation with tunable stimulatory nano-arrays. Ruprecht-KarlsUniversität Heidelberg.
Oh, H. (2014). Nanoporous Materials for Hydrogen Storage and H2/D2 Isotope Separation. Universität
Stuttgart, Stuttgart.
Pastor, P. (2014). Data-driven autonomous manipulation. University of Southern California (USC),
Los Angeles, CA, USA.
Pons-Moll, G. (2014). Human Pose Estimation from Video and Inertial Sensors. Leibniz Universität
Hannover, Hannover.
Rausch, S. (2014). Polarizing cytoskeletal tension to induce leader cell formation during collective cell
migration. Ruprecht-Karls-Universität Heidelberg.
Scholz, C. (2014). Fluss und Transport in mikrofluidischen porösen Medien. Universität Stuttgart,
Stuttgart.
Schwarz, B. (2014). Gas nitriding of iron-based alloys. Universität Stuttgart, Stuttgart.
Sproll, M. (2014). Schalten der Polarität magnetischer Vortexkerne durch eine Zwei-Frequenzen
Anregung und mittels direkter Einkopplung eines Stroms. Universität Stuttgart, Stuttgart (Cuvillier
Verlag, Göttingen).
Tietze, T. (2014). Magnetism of unconventional nanoscaled materials: An X-ray circular dichroism
and muon spin rotation study. Universität Stuttgart, Stuttgart.
38
Dokumentation 2014
IV
Tsoli, A. (2014). Modeling the Human Body in 3D: Data Registration and Human Shape
Representation. Brown University, Department of Computer Science, Providence, RI, USA.
Weigand, M. (2014). Realization of a new Magnetic Scanning X-ray Microscope and Investigation of
Landau Structures under Pulsed Field Excitation. Universität Stuttgart, Stuttgart.
Zscheischler, J. (2014). A global analysis of extreme events and consequences for the terrestrial
carbon cycle. Eidgenössische Technische Hochschule ETH Zürich, Schweiz
c) Diplom-/Masterarbeiten
Bartsch, H. (2014). Thermal and structural properties of dense ionic liquids. Universität Stuttgart,
Stuttgart.
Chauhan, A. (2014). Nitriding of Fe-Mn alloys and pure Ti. Universität Stuttgart, Stuttgart.
Fischer, J. (2014). Aktive Brownsche Bewegung. Universität Stuttgart, Stuttgart.
Huang, B. (2014). Causal Discovery in the Presence of Time-Dependent Relations or Small Sample
Size. Eberhard Karls University, Tübingen.
Katuri, J. (2014). Self-Propelled Janus particles in confined spaces. Universität Stuttgart, Stuttgart.
Lacosse, E. (2014). The Feasibility of Causal Discovery in Complex Systems: An Examination of
Climate Change Attribution and Detection. Eberhard Karls University, Tübingen.
Markel, I. (2014). Microstructure and stress evolution during epitaxial metal film growth. Universität
Stuttgart, Stuttgart.
Martin, V. (2014). Isolation of cellular proteome for reverse phase protein microarray. RuprechtKarls-Universität Heidelberg.
Pfund, M. (2014). Investigation of stress-induced phase transformations in NiTi shape memory alloys.
Universität Stuttgart, Stuttgart.
Schmeißer, N. (2014). Development of advanced methods for improving astronomical images.
Eberhard Karls University, Tübingen.
Shabestari, P. (2014). Active Brownian Motion in a Crowded Environment. Universität Stuttgart,
Stuttgart.
Shajarisales, N. (2014). A Novel Causal Inference Method for Time Series. Eberhard Karls University,
Tübingen.
Sharma, A. (2014). Precipitation of ɑ" (Fe16N2) in Nitrogen Ferrite. Universität Stuttgart, Stuttgart.
Weiss, M. (2014). Neue Analysekonzepte der Aktinfilamentbewegung sowie methodische
Verbesserungen bei der Durchführund des in vitro Motility Assays. Ruprecht-Karls-Universität
Heidelberg.
Zarubin, G. (2014). Dielectric properties of ionic liquids. Universität Stuttgart, Stuttgart.
39
IV
Dokumentation 2014
d) Bachelorarbeiten
Brück, B. (2014). Fabrication of fibronectin-BMP-2 micropatterned substrates for cell migration
studies. Ruprecht-Karls-Universität Heidelberg.
Gehrmann, C. (2014). Brownsche Bewegung schraubenförmiger Nanoteilchen. Universität Stuttgart,
Stuttgart.
Hirneise, D. (2014). Messung der Permeabilität in porösen Strukturen. Universität Stuttgart, Stuttgart.
Kante, S. (2014). Phasengleichgewichte im Fe-C-N system. Universität Stuttgart, Stuttgart.
Klumpp, T. (2014). Dynamische Permeabilität in porösen Medien. Universität Stuttgart, Stuttgart.
Kübler, M. (2014). Magnetically actuated colloids. Universität Stuttgart, Stuttgart.
Mäbert, J. (2014). Aktive Brownsche Bewegung in periodischen Lichtmustern. Universität Stuttgart,
Stuttgart.
Maisch, J. (2014). Dynamik einer fast-kritischen binären Flüssigkeit in zwei Dimensionen. Universität
Stuttgart, Stuttgart.
Müller, B. (2014). Electromagnetic self-propulsion for small objects in the near field. Universität
Stuttgart, Stuttgart.
Mußotter, M. (2014). Geschwindigkeitsfelder in porösen Strukturen. Universität Stuttgart, Stuttgart.
Postrach, D. (2014). In vitro model of collective cell migration and the influence of biomimetic
nanopatterned substrates. Ruprecht-Karls-Universität Heidelberg.
40
Dokumentation 2014
V
V
Doktoranden
a) deutsche Staatsangehörige (Stand: 31.12.2014)
(genannt wird jeweils die wissenschaftliche Institution, an der zuvor die Diplom- oder Masterarbeit erstellt wurde)
Patrick Chalil Audehm, Universität Stuttgart, 4. Physikalisches Institut / Max-Planck-Institut für
Metallforschung
Hendrik Bartsch, Universität Stuttgart, Institut für Theoretische Physik IV
Lucia Benk, Universität Stuttgart, Institut für Biochemie / University of California San Francisco
(UCSF), USA
Dieter Büchler, Imperial College London, Bioengineering Dept., London, Vereinigtes Königreich
Maria Danner, Molecular Biotechnology, Ruprecht- Karls-Universität Heidelberg
Georg Dieterle, Eberhard Karls Universität Tübingen, Institut für Angewandte Physik
Johannes Förster, Otto-von-Guericke-Universität Magdeburg
Johannes Patrick Frohnmayer, Ludwig-Maximilians-Universität München, Lehrstuhl für Biophysik
und molekulare Materialien / Riken, Quantitative Biology Center, Osaka, Japan
Phillipp Geiger, Ruprecht-Karls-Universität Heidelberg, Fakultät für Mathematik und Informatik.
Holger Göring, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Intelligente Systeme
Joachim Gräfe, Universität Leipzig, Wilhelm-Ostwald-Institut für Physikalische und Theoretische
Chemie
Michael Haag, Universität Stuttgart, Institut für Halbleiteroptik und Funktionelle Grenzflächen
(IHFG), Stuttgart
Particia Hegger, Albert Ludwigs Universität Freiburg, Institut für Biochemie
Alexander Herzog, Karlsruher Institut für Technologie (KIT), Institut für Anthropomatik, Karlsruhe
Sarah Jahn, Technische Universität Darmstadt, Institut für Disperse Feststoffe
Issac Jan, Karlsruher Institut für Technologie (KIT), Karlsruhe
Jan-Willi Janiesch, Ruprecht-Karls-Universität Heidelberg, Biophysikalische Chemie
Simon Kamin, Hochschule RheinMain, Rüsselsheim, Fachbereich Ingenieurwissenschaften
Gerri Kannenberg, Ruprecht-Karls-Universität Heidelberg
Christian Kappel, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Metallforschung
Daniel Kappler, Karlsruher Institut für Technologie (KIT), Institut für Anthropomatik
Martin Kiefel, Karlsruher Institut für Technologie (KIT), Institut für Anthropomatik
Edgar Klenske, Universität Stuttgart, Stuttgart, Institut für Systemtheorie und Regelungstechnik
Rolf Köhler, Eberhard Karls Universität Tübingen, Mathematisches Institut / MPI für biologische
Kybernetik,Tübingen
Malte Kuhlmann, Technische Universität Kaiserslautern
Marcel Labbe Laurent, Universität Stuttgart, Stuttgart, Institut für Theoretische Physik IV
Andreas Lehrmann, Eberhard Karls Universität Tübingen, Wilhelm-Schickard-Institut für Informatik
41
V
Dokumentation 2014
Sarah Löwy, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Intelligente Systeme
Maren Mahsereci, Eberhard Karls Universität Tübingen, Institut für Astronomie und Astrophysik
Thomas Nestmeyer, Eberhard Karls Universität Tübingen, Mathematisch-Naturwissenschaftliche
Fakultät / Max Planck Institut für biologische Kybernetik, Tübingen
Martin Noah, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Intelligente Systeme
Matthias Noske, Universität Ulm, Abteilung Festkörperphysik
Dirk Ollech, Ruprecht-Karls-Universität Heidelberg, Institute for Pharmacy and Molecular
Biotechnology
Andreas Reindl, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Metallforschung
Paul Rossi, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Intelligente Systeme
Stephen Ruoss, Hochschule Esslingen Hochschule Aalen
Victoria Schaufler, Ruprecht-Karls-Universität Heidelberg, Physikalisches Institut
Michael Schober, Eberhard Karls Universität Tübingen, Wilhelm Schickard Institut für Informatik
Carl-Johann Simon-Gabriel, Conservatoire Strasbourg, Strasbourg, Frankreich
Claudia Stahl, Universität Stuttgart, Institut für Halbleiteroptik und Funktionelle Grenzflächen / MaxPlanck-Institut für Intelligente Systeme
Christoph Stanglmair, Universität Regensburg, Institut für Organische Chemie
Michael Thaller, Universität Regensburg, Institut für Analytische Chemie, Chemo- und Biosensorik
Maximilian Julius Urban, Universität Konstanz
Debora Walker, Universität Stuttgart, Institut für Physikalische Chemie
Sebastian Weber, Universität Stuttgart, Stuttgart, Fakultät Chemie / Max-Planck-Institut für
Intelligente Systeme
Markus Weiler, Eberhard Karls Universität Tübingen, Institut für Angewandte Physik
Ingrid Weinrauch, Universität Stuttgart, Institut für Plasmaforschung, Stuttgart
Marian Weiss, Ruprecht-Karls-Universität Heidelberg, Institut für Physiologie und Pathophysiologie
Katharina Weller, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für
Intelligente Systeme
Tina Wiegand, Universität Heidelberg, Ruprecht-Karls-Universität Heidelberg, Biophysikalische
Chemie
Jonas Wulff, RWTH Aachen, Lehrstuhl für Bildverarbeitung / Sinha Lab for Vision Research am
Center for Brain and Cognitive Science, Massachusetts Institute of Technology (MIT),
Cambridge, USA
42
Dokumentation 2014
V
b) ausländische Staatsangehörige (Stand: 31.12.2014)
Maryam Akhlaghi, School of Metallurgy and Materials Engineering, University of Tehran, Iran
Mariana Alarcon Correa, Quimica y Fisica, Universidad de los Andes, Bogotá, Kolumbien
Morteza Amjadi Kolour, Transparent Transducer & UX Creative Research Center, Electronics and
Telecommunications Research Institute (ETRI), Daejeon, Südkorea
Rafael Balderas Xicohtencatl, Center of Investigation and Advanced Studies of the National
Polytechnic Institute (CINVESTAV) Mexico City, Mexiko
Semanur Baylan, Istanbul Technical University, Türkei
Federica Bogo, University of Padova, Italien
Iuliia Bykova, National Research Tomsk Polytechnic University, Institute of Physics and Technology,
Tomsk, Russische Föderation
Wenwen Chen, Institut für Festkörperphysik, Universität Ulm, Deutschland
Xinyue Chen, University of Liverpool, Vereinigtes Königreich
Yu Chun Chen, Universität Stuttgart, Stuttgart, Deutschland
Elizaveta Chervyachkova, Tampere University of Technology, Finnland
Udit Choudhury, Virginia Polytechnic Institute and State University (Virginia Tech), USA
Sahand Eslami, European Laboratory for Non-Linear Spectroscopy, University of Florence, Italien
Nima Farahmand Bafi, Universität Stuttgart, Stuttgart, Deutschland
Tatiana Fomina, Katholieke Universiteit Leuven, Leuven, Belgien / Université Joseph Fourier
Grenoble, Frankreich
Matej Fonovic, Dept. of Materials Science and Engineering, University of Rieka, Kroatien
Ajay Gangwar, Universität Regensburg, Deutschland
Immian Ceren Garib, Bilkent University, Ankara, Türkei
Joshua Giltinan, NanoRobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA
Shixiang Gu, Jesus College, Cambridge, Vereinigtes Königreich
Fatma Güney, Bogazici University, Istanbul, Türkei
Surong Guo, Universität Ulm, Deutschland
Biwei Huang, Eberhard Karls Universität, Tübingen, Deutschland
Wenting Huang, Karlsruher Institut für Technologie (KIT), Karlsruhe, Deutschland
Meghan Huber, Northeastern University, Boston, MA, USA
Varun Jampani, International Institute of Information Technology, Hyderabat, Indien
Vinay Jayaram, Harvard University, Cambridge, MA, USA
Hyeon-Ho Jeong, Dankook University, Yongin, Südkorea
Prateek Katiyar, Eberhard Karls Universität Tübingen / Universitätsklinikum Tübingen (Werner
Siemens Imaging Center)
Kahraman Keskinbora, Dept. of Materials Science and Engineering, Anadolu University, Eskisehir,
Türkei
Insook Kim, LG Hausys, Südkorea
Okan Koc, Eidgenössische Technische Hochschule (ETH), Zürich, Schweiz
43
V
Dokumentation 2014
Alexander Loktyushin, Universität Osnabrück, Deutschland,
Matthew Loper, Connecticut College, New London, USA
Mohamad Assad Mawass, Johannes Gutenberg-Universität zu Mainz, Deutschland
James Roger McMurray, University of Exeter, Vereinigtes Königreich
Pouya Moghimian, Universität Ulm, Deutschland
Krikamol Muandet, University College, London, Vereinigtes Königreich
Fabronia Murad, University of Applied Sciences, Albstadt-Sigmaringen, Deutschland
Mehavi Nagpal, Dept. of Biotechnology, National Institute of Technology, Jalandhar, India
Cigdem Özsoy Keskinbora, Dept. of Materials Science and Engineering, Anadolu University, Türkei
Jemish Parmar, Martin-Luther-Universität Halle-Wittenberg, Deutschland
Aida Pena Blanco, Universitat Pompeu Fabra, Barcelona, Spanien
Brahayam David Ponton Junes, Eidgenössische Technische Hochschule (ETH), Zürich, Schweiz
Tian Qiu, Dept. of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing, China
Mateo Rojas-Carulla, Corpus Christi College, University of Cambridge, Vereinigtes Königreich
Adria Sales Ramos, Physics Department, University of Oxford, Vereinigtes Königreich
Umut Tunca Sanli, Christian-Albrechts-Universität zu Kiel, Deutschland / Robert Bosch GmbH,
Gerlingen, Deutschland
Adam Scibior, Trinity College, University of Cambridge, Vereinigtes Königreich
Laura Sevilla Lara, University of Massachusettes, Amherst, MA, USA
Eleni Sgouritsa, Dept. of Computer Science, University of Houston, USA
Xibo Shen, National Centre of Nanoscience and Technology, Beijing, China
Kwangho Son, Materials Analysis Laboratory, Dept. of Physics, Kookmin University, Südkorea
Sukho Song, Nanorobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA
Yusuf Eren Suyolku, Anadolu University, Eskisehir, Türkei
Behzad Tabibian, University of Pittsburgh, Pittsburgh, PA, USA
Sapana Tripathi, School of Physics Department, Devi Ahilya University, Indien
Mehmet Turan, University of California Los Angeles (UCLA), USA
Joseph Unsay, BioQuant, Zentrum, Universität Heidelberg / German Cancer Research Center
Heidelberg, Deutschland
Matthew Woodward, NanoRobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA
Manuel Wüthrich, École Politechnique Fédérale de Lausanne, Frankreich / University of Southern
California (USC), USA
Lamiss Zaidonny, American University of Beirut, Libanon
Chiara Zambarda, University of Brescia, Italien
Grigory Zarubin, Universität Stuttgart, Stuttgart, Deutschland
Dan Zhou, School of Physics, Trinity College Dublin, Irland
Silvia Zuffi, Ph.D., Brown University Department of Computer Science, Providence, RI, USA
44
Dokumentation 2014
VI
VI
Gastwissenschaftler
Ijaz Akhter, Ph.D., Namal College, Mianwali, Pakistan
Rohit Babbar, University Joseph Fourier, Grenoble, Frankreich
Michel Besserve, Cognitive Neuroscience and Brain Imaging Lab (CNRS Laboratory), Paris,
Frankreich
Mathilde Bichelberger, Engineering School of Biotechnology (ESBS), University of Strasbourg,
Frankreich
Hakan Ceylan, National Nanotechnology Research Center (UNAM), Bilkent University, Ankara,
Türkei
Dr. Katia Cosentino, Deutsches Krebsforschungszentrum, Laboratory of Membrane Biophysics,
Heidelberg, Deutschland
Dr. Gabor Csiszar, Eötvös Loránd University, Budapest, Ungarn
Prof. Dr. Daniel Marinov Dantchev, Institute of Mechanics, Bulgarian Academy of Sciences, Sofia,
Bulgarien
Dr. Tamal Das, Institut du Cancer de Montréal, Centre Hospitalier de l’Université de Montréal,
(CHUM), Kanada
Prof. Dr. Victor Dotesenko, Laboratoire de Physique Théorique de la Matière Condensée, Université
Paris VI, Frankreich
Zahra Eskandari, Ph.D., Dept. of Physics, Sharif University of Technology, Tehran, Iran
Christoph Frey, Hochschule Reutlingen, Deutschland
Dr. Piotr Gabacz, Faculty of Chemistry, University of Warsaw, Polen
Cristina Garcia Cifuentes, University College, London, Vereinigtes Königreich / Université de Caen
Bass-Normandie, Frankreich
Dr. John Gardner Gibbs, Dept. of Physics and Astronomy, University of Georgia, Athens, USA
Dr. Alberto Giacomello, Sapienza Università di Roma, Italien
Dr. Philippe P. Girard, Université Paris Descartes, UFR Biomédicale, Paris, Frankreich
Dr. Thiago Gomes de Mattos, Universidade Federal Fluminense, Niterói, Brasilien
Dr. Juan Ruben Gomez Solano, Laboratoire de Physique, École Normale Supérieure de Lyon,
Frankreich
Prof. Dr. Michael Grunze, Universität Heidelberg, Lehrstuhl für Angewandte Physikalische Chemie
Sören Hauberg, Dept. of Computer Sciece, University of Copenhagen, Dänemark
Zoltan Hegedüs, Eötvös Loránd University, Budapest, Ungarn
Lindsey Hines, Ph.D., NanoRobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA
Michael Hirsch, Dept. of Physics and Astronomy, University College London, Vereinigtes Königreich
Dr. Andrew Holle, University of California, San Diego, La Jolla, CA, USA
Dr. Zeinab Hosseinidoust, McGill University, Montreal, Quebec, Canada
45
VI
Dokumentation 2014
Wenqui Hu, Ph.,D., Dept. of Electrical Engineering, University of Hawaii at Manoa, Honolulu, HI,
USA
Dr. Michael Rong Shie Huang, Dept. of Materials Science and Engineering, National Cheng Kung
University, Tainan City, Taiwan
Yanlong Huang, Nanjing University of Science and Technology, Ph.D., China
Dr. Yatsutaka Iwashita, School of Sciences, Kyushu University, Fukuoka, Japan
Dr. Minsu Jung, Dept. of Materials Science and Engineering, Yonsei University, Seoul, Korea
Dr. Mehran Kardar, Dept. of Physics, Massachusetts Institute of Technology (MIT), Cambridge, MA,
USA
Dr. Al-Saleh Keita, Université Paul Verlaine, Metz, Frankreich
Galina Khachaturyan, Universität Ulm, Deutschland
Alina Kloss, Eberhard Karls Universität Tübingen, Deutschland
Dr. Naejin Kong, Korea Advanced Institute of Science and Technology, Südkorea
Irina Lavelin, Dept. of Molecular Cell Biology, Weizmann Institute of Science, Rehovot, Israel
Dr. Adam Law, University of Hull, Vereinigtes Königreich
Tung-Chun Lee, Meville Laboratory for Polymer Synthesis, Dept. of Chemistry, University of
Cambridge, Vereinigtes Königreich
Dr. Xiaoyan Li, Shanghai Institute of Ceramics, Chinese Academy of Sciences (SICAS), China
Qiuqun Liang, Changchun Institute of Optics, Fine Mechanics and Physics, Changchun, Chinesische
Akademie der Wissenschaften, China
David Lopez Paz, Universidad Autónoma de Madrid, Spanien
Celia Loyano, Dept. Physics and Applied Mathematics, University of Navarra, Pamplona, Spanien
Dr. Xing Ma, Nanyang Technological University, Singapore
Dr. Oxana Magdysyuk, Max-Planck-Institut für Festkörperforschung, Stuttgart, Deutschland
Dr. Arghya Majee, Laboratoire Ondes et Matìere d’Aquitaine, Université de Bordeaux & CNRS,
Talence, Frankreich
Dr. Paolo Malgaretti, Departamento de Fisica Fonamental, Universitat de Barcelona, Spanien
Dr. Alison Mark, School of Materials, University of Manchester, Vereinigtes Königreich
Prof. Dr. Jean-Francois Masson, Université de Montréal, Dept. of Chemistry, Montreal, Kanada
Dr. Andrey Mazilkin, Institute of Solid State Physics, Russian Academy of Sciences, Russische
Föderation
Moritz Menze, Leibniz Universität Hannover, Institut für Photogrammetrie und GeoInformation
Kristen Lynn Mills, Ph.D., University of Michigan, Ann Arbor, USA
Burcu Minsky, Ph.D., Biophysical/BioAnalytical Chemistry, University of Massachusetts-Amherst,
MA, USA
46
Dokumentation 2014
VI
Dr. Dimitris Missirlis, University of California Berkeley, USA
Babak Mostaghaci: Biopharmazie und Pharmazeutische Technologie, Universität des Saarlandes,
Saarbrücken, Deutschland
Prof. Dr. Marek Napiorkowski, University of Warsaw, Faculty of Physics, Polen
Devika Narain, VU University Amsterdam, Niederlande
Dr. Piotr Nowakowski, ELCAR, Piaseczno, Polen
Dr. Hyunchul Oh, Max-Planck-Institut für Intelligente Systeme, Stuttgart, Deutschland
Prof. Dr. Gleb Oshanin, Laboratoire de Physique Théorique de la Matière Condensée, Université
Pierre et Marie Curie, et du CNRS, Paris, Frankreich
Dr. Stefano Palagi, Center for Micro-BioRobotics @SSSA, Instituto Italiano di Tecnologia, Pontedera
(PI), Italien
Byung Wook Park, Ph.D., Bioengineering Institute, Worcester Polytechnic Institute, Worcester, MA,
USA
Esteban Pedrueza Villalmanzo, University of Valencia, Spanien
Stojan Perisic, Nikolaus-Fiebiger-Zentrum für Molekulare Medizin, Universität Nürnberg-Erlangen,
Erlangen, Deutschland
Kirstin Petersen, Ph.D., Wyss Institute of Biologically Inspired Engineering at Harvard University,
Cambridge MA, USA / Self-Organizing Systems Research Lab, Harvard University
Dr. Efthymios Polatidis, School of Materials, University of Manchester, Vereinigtes Königreich
Dr. Gerard Pons-Moll, Leibniz Universität Hannover, Deutschland
Dr. Mikhail Popescu, Ian Wark Research Institute, University of South Australia, Mawson Lakes,
Australien
Dr. Svetlana Protasova, Institute of Solid State Physics, Russian Academy of Sciences,
Chernogolovka, Russische Föderation
Mohammad Raoufi, Physikalische Chemie, Universität Siegen, Deutschland
John Rebula, Ph.D., University of Michigan, Ann Arbor, MI, USA
Dr. Jerome Roche, Laboratoire de Gènie Chimique (LGC UMR 5503), Toulouse, Frankreich
Dr. Damian Roqueiro, University of Illinois at Chicago, USA
Prof. Uris Lianne Ros Quincoces: Center for Protein Studies, Faculty of Biology, University of
Havana, Havana, Cuba
Sutapa Roy, Theoretical Science Unit, Jawaharlal Nehru Centre for Advanced Scientific Research
(JNCASR), Jakkur, Bangalore, Indien
Johannes Sachs, Institut für Physikalische Chemie, Universität Stuttgart, Stuttgart, Deutschland
Dr. Alberto Sanchez Castillo, Universität Stuttgart, Stuttgart, Deutschland
Cordelia Schmid, INRIA Grenoble, Montbonnot, Frankreich
Dr. Herbert Schmidt, Jeol (Germany) GmbH, Eching b. München, Deutschland
Stanley Sclaroff, Boston University, Dept. of Computer Science, Boston, MA, USA
Kyoung Duck Seo, Pohang University of Science and Technology, Pohang, Südkorea
47
VI
Dokumentation 2014
Dr. Ajay Vikram Singh, Rensselaer Polytechnic Institute, Biotech Centre, Troy, NY, USA
Dr. Druv Pratap Singh, Pohang University of Science and Technology, Pohnag, Kyungbuk, Südkorea
Dr. Jitendra Pratap Singh, Indian Institute of Technology Delhi, Indien
Swarn Lata Singh, Ph.D., Dept. of Physics, Banaras Hindu University, Varanasi, Indien
Alexander Solovev, Physik-Department, Technische Universität München, Deutschland
Dr. Survit Sra, University of Texas at Austin, USA
Morgan Stanton, Ph.D., Dept. of Chemistry and Biochemistry, Worcester Polytechnic Institute,
Worcester, MA, USA
Dr. Dagmar Sternad, Northeastern University (Boston, USA)
Robert Stojkovic, Universität Stuttgart, Stuttgart, Deutschland
Kaori Sughihara, Eidgenössische Technische Hochschule (ETH) Zürich, Schweiz
Dr. Maria Sundh, Interdisciplinary Nanoscience Center (iNANO), Aarhus University, Dänemark
Prof. Dr. Istvan Szalai, University of Pannonia, Institute of Physics,Veszprem, Ungarn
Ahmed Fatih Tabak, Ph.D., Istanbul Ticaret Universitesi, Istanbul, Türkei
Nahid Talebi Sarvari, Ph.D., Photonics Research Laboratory, Center of Excellence for Applied
ElectromagSnetic Systems, School of Electrical and Computer Engineering, University of Tehran, Iran
Dr. Ilya Tolstikhin, Dorodnicyn Computing Center of Russian Academy of Sciences, Moscow,
Russische Förderation
Ali Osman Ulusoy, Ph.D., Brown University, Providence, Rhode Island, USA
Dr. Diana Vilela Garcia, University of Alcala, Madrid, Spanien
Dr. Chaohui Wang, University of California, Los Angeles (UCLA), USA
Wendong Wang, Ph.D., Wyss Institute of Biologically Inspired Engineering at Harvard University,
Cambridge MA, USA
Dr. Yuren Wen, Advanced Institute for Materials Research, Tohoku University, Sendai, Japan
Felix Widmaier, Eberhard Karls Universität Tübingen
Holger Wüst, Robert-Bosch-GmbH / Technische Universität Dresden, Deutschland
Dr. Tahira Yasmin, Universität Stuttgart, Stuttgart, Deutschland
Si Yeo Yong, Institute of High Performance Computing (IHPC), Agency For Science, Technology And
Research (A*STAR), Computing Science Department, Singapur
Dr. Jennifer Young, University of California, San Diego, La Jolla CA, USA
Dr. Song Yue, Dept. of Chemistry, Institute of High Energy Physics, Chinese Academy of Sciences,
Beijing, China
Dr. Kun Zhang, Max-Planck-Institut für Intelligente Systeme, Standort Tübingen, Deutschland
48
Dokumentation 2014
VI
Xinbin Zhang, Ph.D., Harbin Institute of Technology, Harbin, China
(Joseph) Hu Zhu, Université de Montréal, Dept. of Chemistry, Montreal, Kanada
Dr. Chao Zhou, Dept. of Chemistry, Tsinghua University, Beijing, China
Ye Zhou, Ph.D., Carnegie Mellon University, Pittsburgh, PA, USA
49
VII
Dokumentation 2014
VII
a)
Sonstige Mitteilungen
Ehrungen 2014
Forschungsgruppe van Aken
„1. Poster Award“ der European Materials Research Society, in
Kooperation mit der Forschungsabteilung Prof. Dr. Maier vom Max
Planck Institut für Festkörperforschung
Andreas Geiger
Ernst-Schoemperlen-Preis des KIT-Zentrums für Mobilitätssysteme
für seine Doktorarbeit
Moritz Grosse-Wentrup
„Teaching Award“ für den Masterkurs über „Neural Information
Processing“, Universität Tübingen (Winter- und Sommersemester
2013/14).
Laura Na Liu
Heinz Maier-Leibnitz-Preis 2014
der Deutschen Forschungsgemeinschaft (DFG)
Cigdem Özsoy-Keskinbora
„M&M Student Award 2014“,
verliehen auf dem Microscopy & Microanalysis Meeting 2014 in
Hartford, USA
A. Abdolmaleki
1. Platz beim „3D Free Challenge of the RoboCup 2014“
Aveiro),
(Universidade de
N. Lau (Universidade de Aveiro),
G. Neumann (TU Darmstadt),
Jan Peters (MPI-IS, TU Darmstadt),
M. Deisenroth (TU Darmstadt),
P. Englert (Uni Stuttgart),
Jan Peters (MPI-IS, TU Darmstadt),
D. Fox (U.Washington)
ICRA Best Cognitive Robotics Paper Award 2014
O. Kroemer (TU Darmstadt),
H. van Hoof (TU Darmstadt),
G. Neumann(TU Darmstadt),
Jan Peters, (MPI-IS, TU Darmstadt)
ICRA Best Cognitive Robotics Paper Award Finalist 2014
50
Dokumentation 2014
VII
Günter Petzow
Ehrenvorsitzender der Deutschen Gesellschaft für Materialkunde
(DGM)
Ilia Platzman
Günter Petzow Preis 2014
des Max-Planck-Instituts für Intelligente Systeme für seine Arbeiten
im Bereich der synthetischen Biologie, insbesondere über den
Einsatz der Materialwissenschaften und Mikrofluidik zur Synthese
intelligenter Materialien mit extern steuerbaren Eigenschaften
Samuel Sánchez
Spanischer Innovationspreis 2014 der Zeitschrift „MIT Technology
Review, Spanish Edition“
Stefan Schaal
IEEE Fellow 2014
aufgrund seiner Beiträge zum maschinellen Lernen in der Robotik
und zur modularen Bewegungsplanung
Bernhard Schölkopf
Royal Society Milner Award 2014 der Royal Society (London, UK)
Laut Jury sei er ein „Pionier des Maschinellen Lernens, dessen
Arbeiten das Forschungsgebiet der Kern-Maschinen begründet
haben“. Kern-Maschinen finden breite Anwendung in vielen
Bereichen von Wissenschaft und Wirtschaft.
Carl Johann Simon-Gabriel
Google European Doctorate Fellowship 2014
Er erhält für seine Forschung an Kausaler Interfenez als einer von
15 Jungforschern in Europa eines der begehrten Doktorandenstipendien von Google
Metin Sitti
IEEE Fellow 2014
aufgrund seiner Forschungsergebnisse im Bereich der Mikro- und
Nanorobotik
Metin Sitti
„Best Paper Award“ der Zeitschrift „IEEE/ASME Transactions on
Mechatronics Journal“
Metin Sitti
Best Poster Award in the Adhesion Conference, San Diego due to
the research poster on contact self-cleaning mechanics of geckoinspired adhesives
51
VII
Tobias Steiner
Dokumentation 2014
Tom Bell Young Author Award 2014
Dieser Preis wird Nachwuchswissenschaftlern auf der Tagung
„21st IFHTSE Congress on Heat Treatment and Surface
Engineering“ für die beste Arbeit zuerkannt.
Sebastian Trimpe
KlarText! Klaus-Tschira-Preis 2014 für verständliche Wissenschaft
(Kategorie Informatik)
Sebastian Weichwald,
Timm Meyer
„Best student paper award“ beim „4th International Workshop on
Cognitive Information Processing (CIP 2014)“ für das Paper
„Decoding Index Finger Position From EEG Using Random
Forests“, gemeinsam veröffentlicht mit Bernhard Schölkopf, Tonio
Ball und Moritz Grosse-Wentrup.
Dan Zhou
„M&M Student Award 2014“
verliehen auf dem Microscopy & Microanalysis Meeting 2014 in
Hartford, USA
Dan Zhou
„Young Scientist Award“ der European Materials Research
Society, verliehen beim E-MRS 2014 Spring Meeting
52
Dokumentation 2014
VII
b) Berufungen und Ernennungen
Berufung zum Honorarprofessor
Michael J. Black
an der Eberhard-Karls-Universität Tübingen,
Wilhelm-Schickard-Institut für Informatik
Ernennung zum Visiting Professor an der ETH Zürich
Michael J. Black
(01.04.2015 – 31.03.2016)
Departement Informationstechnologie und Elektrotechnik
Institut für Bildverarbeitung
Karsten Borgwardt
Stefan Harmeling
Berufung zum (Associate) Professor an der ETH Zürich,
Department of Biosystems Science and Engineering, Basel, Schweiz
Berufung zum Professor an der Heinrich Heine Universität Düsseldorf,
Department für Computer Vision, Computer Graphics and Pattern
Recognition
Bernhard Schölkopf
Verlängerung der Gastprofessur an der ETH Zürich (08/2012 - 07/2016)
Bernhard Schölkopf
Mitglied des MPI-Campus-Tübingen-Triumvirats (seit 2014)
53
VII
Dokumentation 2014
c) Ständige Mitgliedschaften der Wissenschaftlichen Mitglieder 2014
M. J. Black
Mitglied der Society for Neuroscience
M. J. Black
Mitglied des Bernstein Center for Computational Neuroscience, Tübingen
M. J. Black
Senior Member der IEEE (Institute of Electrical and Electronics Engineers)
M. J. Black
Associate, Canadian Institute for Advanced Research
M. J. Black
Mitglied des Brain Science Program, Brown University
M. J. Black
Mitglied des Werner Reichardt Center for Integrative Neuroscience,
Eberhard Karls Universität Tübingen
S. Dietrich
Fellow of the IOP, Institute of Physics, London
E. J. Mittemeijer
Fellow of the American Society of Materials
E. J. Mittemeijer
Elected Member of the International Center of Diffraction Data
E. J. Mittemeijer
Honorary Member of the Netherlands Society of Metals
E. J. Mittemeijer
Honorary President of the Dutch-Belgian Society of Heat Treatment
E. J. Mittemeijer
Vertreter des MPI für Intelligente Systeme im World Materials Research Institute
Forum (WMRIF)
E. J. Mittemeijer
Vertreter des MPI für Intelligente Systeme im Forschungscampus Stuttgart
E. J. Mittemeijer
Vertreter des MPI für Intelligente Systeme in der Bundesvereinigung Materialwissenschaft und Werkstofftechnik e.V. (BV MatWerk)
E. J. Mittemeijer
Vertreter der Universität Stuttgart beim Studientag Materialwissenschaft und
Werkstofftechnik e.V.
S. Schaal
Mitglied in der Alexander von Humboldt Stiftung
S. Schaal
Mitglied der Studienstiftung des Deutschen Volkes
S. Schaal
Mitglied bei der American Association of Artificial Intelligence
S. Schaal
Mitglied der American Association for the Advancement of Science
S. Schaal
Fellow der IEEE (Institute of Electrical and Electronics Engineers)
S. Schaal
Mitglied des „Board of External Reviewers” des Italian Institute of Technology
S. Schaal
Mitglied des „Board of Directors“ des Technologieparks Tübingen-Reutlingen
S. Schaal
Mitglied im ETH/MPI-IS Network on Learning Systems
S. Schaal
Mitglied des EU Robotics Network
S. Schaal
Mitglied im „Board of Governors“ der International Neural Networks Society
S. Schaal
Mitglied der Society of Neural Control of Movement
S. Schaal
Mitglied der Society of Neuroscience
54
Dokumentation 2014
VII
B. Schölkopf
Mitglied des Kernel-Machines.Org Board
B. Schölkopf
Advisory Board Member der Neural Information Processing Systems Foundation
(NIPS)
B. Schölkopf
Board Member of the Summer Schools on Machine Learning (Mitbegründer in
2005)
B. Schölkopf
Mitglied der Deutschen Arbeitsgemeinschaft für Mustererkennung e.V. (DAGM)
B. Schölkopf
Mitglied des Boards der International Machine Learning Society
B. Schölkopf
Mitglied der Deutschen Mathematiker-Vereinigung (DMV)
B. Schölkopf
Mitglied der Association for Computing Machinery (ACM)
B. Schölkopf
Senior Member der IEEE (Institute of Electrical and Electronics Engineers)
B. Schölkopf
Mitglied des Bernstein Center for Computational Neuroscience (Tübingen)
B. Schölkopf
Mitglied beim Bernstein Focus for Neurotechnology (Freiburg/Tübingen),
B. Schölkopf
Mitglied beim Excellence Clusters CIN (Center for Integrative Neuroscience,
Univ. Tübingen)
B. Schölkopf
Mitglied bei SimTECH (Simulation Technology, Univ. Stuttgart)
B. Schölkopf
Chair of the Advisory Committee, Neural Computation and Adaptive Perception
Program (NCAP) of the Canadian Institute for Advanced Research (CIFAR)
B. Schölkopf
ITN (Initial Training Network) Supervisory Board Member der Alexander von
Humboldt Stiftung
B. Schölkopf
External Advisory Board Member, Engineering and Physical Sciences Research
Council (EPSRC). Centre for Doctoral Training (CDT) in the area of Data
Science, Edinburgh, UK
B. Schölkopf
Gründungsmitglied und Mitglied der Stammkommission des CAS-MPG Partner
Institute for Computational Biology, Shanghai. Chinese Academy of Sciences –
Max-Planck-Gesellschaft
G. Schütz
Korrespondierendes Mitglied der Akademie der Wissenschaften Göttingen
M. Sitti
Fellow of the IEEE (Institute of Electrical and Electronic Engineers)
J. P. Spatz
Forschungsausschuss der Ludwig-Maximilians-Universität München
J. P. Spatz
Heidelberger Akademie der Wissenschaften
J. P. Spatz
Mitglied des Beirats des Excellenzclusters „Cells in Motion“, Westfälische
Wilhelms Universität Münster
55
VII
Dokumentation 2014
d) Wissenschaftliche Veranstaltungen 2014
25. - 26.
Februar
B. Schölkopf
Empirical Inference Workshop, Tübingen, Deutschland
03. – 21.
März
S. Dietrich,
G. Oshanin,
M. Popescu,
M. Tasinkevych
Focused Working Group „Self-propelled Micro-Objects“
Kavli Institute for Theoretical Physics, University of
California, Santa Barbara, USA
14. März
S. Schaal
Co-Organizer des Workshops „Optimization Methods for
Robot Locomotion“, Pensacola (Florida, USA)
30. April –
03. Mai
S. Dietrich,
L. Harnau
Workshop „Soft Matter at Interfaces“, Schloss Ringberg,
Rottach-Egern, Deutschland
5.- 7. Mai
P. Hennig,
B. Schölkopf
The Braitenberg Klausur on Probabilistic Computations on
Random Geometries, Tübingen, Deutschland
22. Mai
MPI-IS
Max Planck Lecture „The Glassy State properties and
applications exploiting non-crystallinity: golf, frozen frogs,
memory“. A.L. Greer, Department of Materials Science &
Metallurgy, University of Cambridge, UK
1. Juni
L. Righetti et al.
„Robotics and Military Applications:
From Current Research and Deployments to Legal and
Ethical Questions“. Mini-Symposium anlässlich der ICRA
2014, Hong-Kong, China
4. - 6. Juni
M. Grosse-Wentrup et
al.
4th International Workshop on Pattern Recognition in
Neuroimaging (PRNI), Tübingen
8. Juni
A. Geiger et al.
Workshop on Benchmarking Road Terrain and Lane
Detection Algorithms for In-Vehicle Application, während
des IEEE Intelligent Vehicle Symposium 2014, Detroit,
USA
16. - 20.
Juni
MPI-IS, ETH Zürich
Summer School on Learning Systems, Zürich, Schweiz
25. Juni
K. Zhang,
B. Schölkopf
Workshop on Causal Modeling and Machine Learning,
anlässlich der ICML 2014, Beijing, China
02. – 04.
Juli
P.A. van Aken,
W. Sigle
Organisation des internationalen Workshops „Current
Topics in Transmission Electron Microscopy“, Schloss
Ringberg, Rottach-Egern, Deutschland
56
Dokumentation 2014
VII
17. Juli
B. Schölkopf
Causality Workshop,
Tübingen, Deutschland
24. Juli
B. Schölkopf
Meeting on Microscopic Learning Systems, Tübingen,
Deutschland
25. Juli
MPI-IS
Günter Petzow Kolloquium 2014
G. Schmitz: „Forschung auf der Spitze: Mikroskopie mit
einzelnen Atomen“
M. Möller: „Lichtgetriebene Mikrostrukturen –von passive
Hydrogelen zu sich autonom bewegenden Mikroobjekten“
T. Hirth: „Herausforderung Klima-, Energie- und
Rohstoffwandel – Mit nachwachsenden Rohstoffen dem
Wandel begegnen“
I. Platzman: „Droplet-based Microfluidic Approach for
Synthetic Cell Applications“
12. -15.
August
B. Schölkopf
Braitenberg Roundtable
„Machine Learning for Exoplanet Discovery“
Tübingen, Deutschland
18. - 22.
August
D. Janzing
25th Jyväskylä Summer School,
University of Jyväskylä, Finnland
21. - 22.
August
P. Hennig
Roundtable on Probabilistic Numerics, Tübingen,
Deutschland
6.
September
A. Geiger et. al.
Reconstruction Meets Recognition Challenge 2014
anlässlich der ECCV 2014, Zürich, Schweiz
6. – 12.
September
P. Gehler
Area Chair at the European Conference for Computer
Vision (ECCV) 2014, Zürich, Schweiz
8. - 9.
Oktober
B. Schölkopf
Causality Workshop, Tübingen, Deutschland
27. - 31.
Oktober
M. Alava,
C. Bechinger,
M. Urbakh,
A. Vanossi
Organisatoren des CECAM Workshop in Tel Aviv, Israel:
„Friction and Interface Dynamics at Nano and Mesoscales“
2.
November
A. Geiger et. al.
„My Car Has Eyes - Intelligent Vehicles with Vision
Technology (IVVT Workshop)“, anlässlich der Asian
Conference on Computer Vision (ACCV) 2014, Singapur
10. - 12.
November
B. Schölkopf
Causality Meeting, Tübingen, Deutschland
57
VII
Dokumentation 2014
18.
November
M. Grosse-Wentrup
Joint MPI - Medical Psychology Workshop,
Tübingen, Deutschland
23. - 25.
November
MPI-IS,
ETH Zürich
Computer Vision Workshop in Tübingen, Deutschland
01. - 05.
Dezember
J.P. Spatz ,
Gemeinsame Organisatoren des „Duplex Discussion
Symposium towards Complex Adaptive Molecular
Systems“. Schloss Ringberg, Rottach-Egern, Deutschland
15. – 16.
Dezember
P. A. van Aken
M. Möller (DWI –
Leibniz Institute for
Interactive Materials,
Aachen
Stuttgart Atomic Resolution Microscopy Symposium
(StAR-M 2014), Stuttgart, Deutschland
e) Weitere Veranstaltungen 2014
06. März
MPI-IS,
MPG,
Stadt Tübingen
Informationsveranstaltung für interessierte Anwohner
über den Neubau des Tübinger Institutsgebäudes
27. März
MPI-IS,
MPI-KYB
Girls’ Day am MPI-KYB und MPI-IS Standort Tübingen:
Mädchen-Zukunftstag 2014
16 Mädchen besuchten die beiden Institute in Tübingen
5. April
MPI-IS,
MPI FKF
Tag der Offenen Tür Campus Stuttgart
25. April
MPI-IS
Teilnahme am „Tübinger Fenster für Forschung“
(TÜFFF)
21. Oktober
MPI-IS
Im Rahmen der Kuratoriumssitzung des Max-PlanckInstitutes für Intelligente Systeme:
Öffentliche Podiumsdiskussion im Neuen Schloss
Stuttgart unter dem Titel:
"Deutschland braucht Innovationen - braucht Deutschland
mehr Forschung?“
15. Dezember
58
P. A. van Aken
Einweihungsfeier anlässlich der zwei neuen Cskorrigierten Jeol ARM200F TEMs am Stuttgart Center for
Electron Microscopy (StEM)
Dokumentation 2014
VIII
Chemie . Materialwissenschaften
Forschungsbericht vom Max-Planck-Institut für Intelligente Systeme
Der kleinste von Menschen geschaffene Nano-Motor
The smallest human-made nano-motor
Autor
Sánchez, Samuel
Abteilung
Forschungsgruppe "Smart Nanobiodevices"
Zusammenfassung
Winzig kleine Motoren, die sich selbst antreiben, durchs Abwasser sausen und dieses so ganz
nebenbei auch noch reinigen oder kleine Roboter, die mühelos durch das Blut schwimmen
und so vielleicht eines Tages Medikamente ganz gezielt an eine bestimmte Körperstelle
transportieren – was klingt wie die Vision aus einem Science Fiction Film, das lässt Samuel
Sánchez in seinem Labor am Max-Planck-Institut für Intelligente Systeme in Stuttgart bereits
Wirklichkeit werden. Selbst angetriebene Mikro-Nanoroboter und integrierte Sensoren in
Mikro-Chips: Das ist das Thema von Sánchez` Forschungsgruppe.
Summary
Tiny self-propelled motors which speed through the water and clean up pollutions along the
way or small robots which can swim effortlessly through blood to one day transport
medication to a certain part of the body – this sounds like taken from a science fiction movie
script. However, Samuel Sánchez is already hard at work in his lab at the Max Planck
Institute for Intelligent Systems in Stuttgart to make these visions come true. Self-propelled
micro-nanorobots and the usage as integrated sensors in microfluid-chips: that’s the topic of
Sánchez` research group.
Selbst-angetriebene Mikro-Nanoroboter
Die Entwicklung von synthetischen Mikro- und Nanomaschinen wurde vom Physiker Richard
Feynman in seiner berühmten Rede von 1959 mit dem Titel „There’s Plenty of Room at the
Bottom“ (englisch für „Unten ist eine Menge Platz“) vorhergesehen.
In diesem Vortrag brachte Richard Feynman zahlreiche Vorschläge vor, wie Technologie auf
mikroskopischer Ebene funktionieren könnte. Die vielfältigen Ideen des Vortrages wurden
später zur Grundlage der Nanotechnologie.
59
VIII
Dokumentation 2014
Seit damals streben Forscher aus verschiedenen Wissenschaftsgebieten danach, die Größe von
makroskopischen Maschinen hin zu Nano-Dimensionen zu verkleinern. Doch erst seit
kurzem, seitdem Wissenschaftler aus den Bereichen Nanotechnologie,
Materialwissenschaften, Physik und Chemie zusammenarbeiten, um gemeinsam an NanoVorrichtungen zu forschen, ist es gelungen, solche autonom funktionierenden Einheiten mit
komplexen Funktionen zu schaffen.
Die Stuttgarter Forschungsgruppe unter Leitung von Samuel Sánchez arbeitet an zahlreichen
Beispielen dieser potentiellen Anwendungen: angefangen bei Mikrorobotern, die
Flüssigkeiten im Mikrobereich abpumpen bzw. reinigen bis hin zu Mikromotoren, die Zellen
transportieren oder Gewebe anbohren.
Trotz der steigenden Anzahl an Publikationen in diesem Bereich, gibt es bis heute keinen
klaren Beweis für die Biokompatibilität des Systems aus Brennstoff und Maschine. Diese
große Herausforderung inspiriert die Forschungsgruppe, nach bioverträglichen und sauberen
Treibstoffen für die Fortbewegung zu suchen. Unter Verwendung von abbaubaren und
funktionalen Materialen sollen Nanomotoren weiterentwickelt werden, die tatsächlich eines
Tages im Bereich der Biomedizin und Umwelt zur Anwendung kommen.
Kompakte, integrierte (Bio)Senoren
Ein wesentlicher Bestandteil der Forschungsaktivitäten der Gruppe basiert auf dem
Verkleinern eines „Lab-on-a-chip” („Labor auf einem Chip“) hin zu einem „Lab-in-a-tube”
(„Labor in einem Röhrchen“), welches in Zusammenarbeit mit dem Leibniz-Institut für
Festkörper- und Werkstoffforschung in Dresden (IFW) entwickelt wurde. Das „Lab-in-atube“ wird als analytisches System in einen Mikro-Chip integriert und ermöglicht, die
Position einer einzelnen Zelle präzise innerhalb von Mikrostrukturen zu kontrollieren.
Die Anwendung eines solchen Mikro-Röhrchens als Reaktionskammer für Lebendstudien, als
auch als Detektionssystem, ist eine absolute Neuerung.
Das „Lab-in-a-tube” ermöglicht, das Verhalten einer einzelnen Zelle im Inneren eines
transparenten Mikroröhrchens zu beobachten (Abb. 1a) [1]. Es kann für verschiedene
biologische Anwendungen verwendet werden, z. B. zur Nachahmung von zellulären MikroUmgebungen im Lebendzustand (Abb. 1b bis 1c).
60
Dokumentation 2014
VIII
Abb. 1: a) Schema eines „Lab-in-a-tube”: In dieser 3D-Zellanalyseplattform kann das
Verhalten von Säugetierzellen beobachtet werden. b) Zeitraffung einer sich teilenden HeLaZelle, innerhalb eines Mikrokäfigs von 9 µm Durchmesser. Die weißen Pfeile deuten auf
Chromosomenschäden, die aufgrund der räumlichen Einengung entstanden sind. c) Der
orangefarbene Pfeil zeigt die Zellkerne der beiden aus der Teilung hervorgegangenen
Tochterzellen. d) Elektronenmikroskopisches Foto eines 3D-Mikrosensors von 250 μm
Länge. e) Mikroskopisches Bild einer HeLa-Zelle, die in den röhrenförmigen Sensor eintritt.
Die gelben Pfeile markieren die Schwimmrichtung. Bei Eintritt der Zelle erfolgt eine
Widerstandsänderungen im Sensor, wodurch der Standort der Zelle überprüft und gemessen
werden kann.
© 2014 American Chemical Society, (c) adaptiert nach [1]; (e) adaptiert nach [2]
ON-CHIP/OFF-CHIP: Ein Ziel, zwei Optionen
Nanotechnologische Methoden werden zu weiteren „intelligenten” Systemen führen,
entweder auf einem Chip (on-chip), in Form von integrierten Sensoren [2], oder außerhalb
eines Chip (off-chip) als schwimmende, röhrenförmige Mikroroboter. Die Abbildungen 1d
und 1e zeigen einen on-chip Mikrosensor.
Mithilfe von Methoden aus der Dünnschicht-Aufdampfung, der Photolithographie, der
Elektrochemie und der Oberflächenchemie und unter Einsatz von 3D-Druckern eruiert die
Forschungsgruppe die optimale Zusammensetzung, Form und Größe der Nano-Objekte.
Dabei kommen verschiedenste Materialien zum Einsatz, wie etwa metallische Dünnschichten,
Mikro- und Nanopartikel und diverse Polymere. Diese werden zu vielfältigen Motortypen in
unterschiedlichster Architektur kombiniert, wie z. B. röhrenförmige Mikroraketen,
kugelförmige Janusmotoren und verschiedene andere, meist biologisch inspirierte Objekte.
Die Größe der Motoren variiert je nach Anwendung von wenigen Nanometern bis in den
Zentimeterbereich.
Die wichtigsten Entdeckungen
Zum Schwerpunkt der Forschungsgruppe Sánchez gehört die Herstellung und
Weiterentwicklung künstlicher Mikro- und Nanoroboter, die zu verschiedenen Anwendungen
herangezogen werden können. Diese kleinstformatigen Roboter können einzelne Zellen
61
VIII
Dokumentation 2014
transportieren, Krebszellen und Gewebe durchbohren, sich in Blutproben in „lab-on-a-chip“
Vorrichtungen fortbewegen und könnten auch eines Tages im Bereich der Umweltsanierung
eingesetzt werden.
Die Gruppe fertigt ferngesteuerte Nano-Roboter an, die mittels katalytischer Prozesse
angetrieben werden und ganz spezifisch Krebszellen ansteuern können. Diese Nano-Roboter
bestehen aus kleinen, spitzen Röhrchen aus gerolltem Nanofilm, der mittels physikalischer
Bedampfungstechnik und Lithographie hergestellt wird. Der Durchmesser der Mikro-NanoRoboter beträgt nur 400 nm oder mehrere Mikrometer und ist wenige oder bis zu 500
Mikrometer lang.
Auch andere Typen von Mikromotoren wie etwa Janusmotoren wurden hinsichtlich einer
Chip-Anwendung untersucht, deren kugelförmige Geometrie sich für Berechnungen und
Simulationen besonders anbietet.
Es gibt aber noch einige Hürden zu überwinden, wie z. B. die hohe Viskosität der
Körperflüssigkeiten oder die dreidimensionale Bewegungssteuerung, welche in Kooperation
mit Professor Sarthak Misra (Twente/Niederlande) weiterentwickelt wurde. Der
experimentelle Aufbau versetzt die Wissenschaftler in die Lage, Bewegungen präzise zu
steuern, sogar in Gegenwart von externen Flüssigkeitsströmen [3].
Eine weitere Hürde stellt der relativ toxische Treibstoff dar, der zur Fortbewegung benutzt
wird. Ein erster Schritt in Richtung eines bioverträglichen Antriebs ist die Nutzung von
Enzymen als biologisch abbaubarem Katalysator (siehe Abb. 2a und 2b) [4].
Der Einsatz dieser organischen Katalysatoren wird in Zukunft eine breite Anzahl verträglicher
Substanzen wie Harnstoff und Glucose als Energielieferanten zugänglich machen.
Abb. 2: a) Schema der Enzymankopplung an den Janusmotor und Beladung mit
Fluoreszenzfarbstoff. b) Fluoreszenzaufnahmen der beladenen Janusmotoren, von links nach
rechts: Grünfilter, Rotfilter und Überlagerung von Hellfeld mit beiden Filtern (Skala = 25
mm). c) Mikroröhrchen schwimmen in einer verdünnten Blutprobe auf einem Chip.
© Royal Society of Chemistry, a,b) adaptiert nach [4]; c) adaptiert nach [5]
Um den Eigenantrieb im Blutstrom weiterzuverfolgen, untersuchten Mitarbeiter der
Forschungsgruppe Sánchez gemeinsam mit dem IFW Dresden das Schwimmverhalten von
katalytischen Mikromotoren in komplexen Medien, die sich aus roten Blutkörperchen und
Serum zusammensetzen. Die katalytischen Mikromotoren wurden über die Temperatur
62
Dokumentation 2014
VIII
aktiviert und schwammen bei physiologischen Temperaturen in kleinen Mengen einer
Blutprobe [5].
Neben den Nanorobotern, die sich mittels Wasserstoffperoxid fortbewegen, haben die
Wissenschaftler in Kooperation mit dem IFW Dresden auch Treibstoff-freie, metallische
Mikro-Schrauben in Röhrenform entwickelt, die aufgrund ihrer scharfen Spitze für
mechanische Bohrvorgänge an Gewebe ex vivo eingesetzt werden können [6]. Diese MikroBohrer werden über ein rotierendes externes Magnetfeld in einer Lösung, deren Viskosität
dem Blut ähnelt, ferngesteuert. Diese Errungenschaft eröffnet die Möglichkeit,
kleinstdimensionierte Werkzeuge für minimal invasive Eingriffe in der Medizin einzusetzen.
Neben diesen möglichen biomedizinischen Zielen ist die Gruppe mit weiteren potentiellen
Anwendungen der „intelligenten“ Mikromotoren beschäftigt. Einen Weg dahin sehen die
Forscher in der gerichteten Bewegung der Motoren. Die Charakterisierung der Bewegung von
Mikromotoren in Gegenwart von chemischen Gradienten, der sogenannten Chemotaxis, ist
ein wesentlicher Bestandteil der Arbeiten (Abb. 3a).
Gemeinsam mit Wissenschaftlern des IFW Dresden konnten verschiedene Typen
katalytischer Mikromotoren entwickelt werden, die sich chemotaktisch in Flüssigkeiten
bewegen. Diese werden von hohen Konzentrationen des Treibstoffes (bisher
Wasserstoffperoxid) chemotaktisch angezogen [7].
Auch extern steuerbare Mikromotoren wurden entwickelt, die eine biologische Funktion
übernehmen können, wie z. B. den Transport von Ladung, das Abpumpen von Flüssigkeiten
im Mikrobereich, oder das Detektieren von Schadstoff-Verunreinigungen [8].
Vielversprechende Prognosen werden den Mikromotoren auf dem Gebiet der Umwelttechnik
gemacht. Ein Durchbruch gelang den Stuttgarter und Dresdner Wissenschaftlern mit der
erstmaligen Entwicklung eines Mikromotors [9], der sich selbständig durchs Wasser
fortbewegt und gleichzeitig organische Verunreinigungen abbaut (siehe Abb. 3b).
Abb. 3: a) Schematische Darstellung der chemotaktischen Fortbewegung der Mikroröhrchen.
b) Die Zersetzung der organischen Verschmutzung (hier Rhodamin B als Modellsubstanz)
durch die Eisenhülle führt zur Aufreinigung von Wasser; die Bewegung der Mikromotoren
verbessert die Durchmischung. [weniger]© 3a): Wiley, adaptiert nach [7]; © 3b): American
Chemical Society, adaptiert nach [9]
Ziel dieser Studie war es, ein autonomes, mikroskopisch kleines Reinigungssystem
herzustellen, das ohne externe Energiezugabe schnell und zweckdienlich arbeitet.
63
VIII
Dokumentation 2014
Diese Mikromotoren bestehen aus einem röhrenförmigen Platinkern, der mit Eisen ummantelt
ist. Die Luftblasen bewegen den Mikromotor fort, während die Hydroxyradikale, die aus der
äußeren Eisenschicht stammen, die organischen Verunreinigungen oxidieren. Als Modell für
organische Verschmutzungen wurde hier der Farbstoff Rhodamin verwendet. Der
Mikromotor könnte dazu benutzt werden, kleine Behältnisse, Röhren oder andere schwer
zugängliche Orte zu reinigen.
Hybridmotoren
Ein Ansatz für die nächste Mikromotorengeneration ist die Kombination von biologischen
Einheiten wie etwa Zellen oder Bakterien mit synthetischen Bestandteilen. Bakterien, die sehr
einfach in der Handhabung sind, können vielfältige Arten von Bewegungen ausführen und
den Mikromotor vorantreiben.
Die Ausbuchtungen innerhalb der Mikro-Röhrchen liegen im Größenbereich von Zellen.
Diesen Umstand nutzten Sánchez und Kollegen des IFW Dresden und stellten einen hybriden
Mikro-Bio-Roboter her, der durch eingefangene Spermazellen angetrieben wird [10].
Ähnliche Kombinationen mit anderen Zellarten oder Bakterien sind denkbar, und werden
gerade in das Forschungsfeld der Gruppe integriert.
Biologische Systeme können nicht nur zum Antrieb genutzt werden, sondern auch als
Bauanleitung für vielfältige Geometrien dienen, um z. B. mittels 3D-Drucker bio-inspirierte
Motoren in neuen Formen herzustellen.
Literaturhinweise
1.
Xi, W.; Schmidt, C. K.; Sánchez, S.; Gracias, D.; Carazo-Salas, R.; Jackson, S.; Schmidt, O.
G.
Rolled-up functionalized nanomembranes as three-dimensional cavities for single cell studies
Nano Letters 14 (8), 4197-4204 (2014)
DOI: 10.1021/nl4042565
2.
Martínez-Cisneros, C. S.; Sánchez, S.; Xi, W.; Schmidt, O. G.
Ultracompact Three-Dimensional Tubular Conductivity Microsensors for Ionic and
Biosensing Applications
Nano Letters 14 (4), 2219-2224 (2014)
DOI: 10.1021/nl500795k
3.
Khalil, I. S. M.; Magdanz, V.; Sánchez, S.; Schmidt, O. G.; Misra, S.
The Control of Self-Propelled Microjets Inside a Microchannel With Time-Varying Flow
Rates
IEEE Transactions on Robotics 30 (1), 49-58 (2014)
DOI: 10.1109/TRO.2013.2281557
64
Dokumentation 2014
VIII
4.
Xing, M.; Sánchez, S.
Bio-catalytic driven janus mesoporous silica cluster motor with magnetic guidance
Chemical Communications, 2015, Advance Article
First published online 04 Nov 2014
DOI: 10.1039/C4CC08285K
5.
Soler, L.; Martínez-Cisneros, C.; Swiersy, A.; Sánchez, S.; Schmidt, O. G.
Thermal activation of catalytic microjets in blood samples using microfluidic chips
Lab on a Chip 13, 4299-4303 (2013)
DOI: 10.1039/C3LC50756D
6.
Xi, W.; Solovev, A. A.; Ananth, A. N.; Gracias, D. H.; Sánchez, S.; Schmidt, O. G.
Rolled-Up Magnetic Microdrillers: Towards Remotely Controlled Minimally Invasive
Surgery
Nanoscale 5, 1294-1297 (2013)
DOI: 10.1039/C2NR32798H
7.
Baraban, L.; Harazim, S. M.; Sánchez, S.; Schmidt, O. G.
Chemotactic Behavior of Catalytic Motors in Microfluidic Channels
Angewandte Chemie International Edition 52, 5552-5556 (2013)
DOI: 10.1002/anie.201301460
8.
Sánchez, S.; Soler, L.; Katuri, J.
Chemically Powered Micro- and Nanomotors
Angewandte Chemie International Edition 54, 1414-1444 (2015)
DOI: 10.1002/anie.201406096
9.
Soler, L.; Magdanz, V.; Fomin, V. M.; Sánchez, S.; Schmidt, O. G.
Self-Propelled Micromotors for Cleaning Polluted Water
ACS Nano 7, 9611-9620 (2013)
DOI: 10.1021/nn405075d
10.
Magdanz, V.; Sánchez, S.; Schmidt, O. G.
Development of a Sperm-Flagella Driven Micro-Bio-Robot
Advanced Materials 25, 6581-6588 (2013)
DOI: 10.1002/adma.201302544
Adresse: http://www.mpg.de/8828320/MPI-MF_JB_2015
© 2003-2015, Max-Planck-Gesellschaft, München
Alle Rechte vorbehalten
Vervielfältigung nur mit Genehmigung
65
VIII
Dokumentation 2014
Informatik
Forschungsbericht vom Max-Planck-Institut für Intelligente Systeme
Lernende Roboter
Learning robots
Autor
Trimpe, Sebastian
Abteilung
Autonome Motorik
Ein explodiertes Kraftwerk, eingestürzte Gebäude nach einem Erdbeben, ein brennender
Gefahrguttransporter – allesamt Beispiele gefährlicher Situationen für menschliche
Notfallhelfer. Was wäre, wenn wir Roboter statt Menschen in den Einsatz schicken könnten?
Forscher in der Abteilung für Autonome Motorik arbeiten an den wissenschaftlichen
Grundlagen, um künftig intelligente Roboter zu bauen, die uns in Gefahrensituationen aus der
Klemme helfen können. Eine entscheidende Voraussetzung, um diese Vision zu realisieren:
Roboter müssen lernfähig werden.
An exploded power plant, collapsed buildings after an earthquake, a burning vehicle loaded
with hazardous goods – all of these are dangerous situations for human emergency
responders. What if we could send robots instead of humans? Researchers at the Autonomous
Motion Department work on fundamental principles required to build intelligent robots which
one day can help us in dangerous situations. A key requirement for making this happen is that
robots must be enabled to learn.
Vision autonomer Roboter: Hilfe in Gefahrensituationen
Sobald das Einsatzteam den Ort der Explosion erreicht, laden sie die zwei humanoiden
Roboter ab. Die Roboter haben menschliche Gestalt – mit zwei Beinen, zwei Armen und
einem Kopf – es sind aber hochkomplexe Maschinen mit zahlreichen Sensorsystemen,
Computern und mindestens so stark wie ein Mensch. Nach dem Einschalten recken die
Roboter zunächst ihre Arme und Beine, stehen dann auf und laufen ein paar Schritte in
mäßigem Tempo – ähnlich wie Athleten, die sich auf einem Wettkampf vorbereiten. Nach nur
wenigen Minuten sind die beiden bereit: Sie rennen los in Richtung des teilweise
66
Dokumentation 2014
VIII
eingestürzten und noch brennenden Fabrikgebäudes. Auf dem Weg stolpert einer plötzlich
über einige Steine auf dem Vorplatz. Aber er steht wieder auf, läuft weiter und erreicht ohne
erneut zu stürzen das Gebäude. Da der Eingang blockiert ist, klettern die Roboter durch ein
Fenster. Dann entdeckt einer der Roboter einen Menschen unter einer eingestürzten Wand.
Gemeinsam räumen sie den Schutt zur Seite und bergen den Verletzten. Nachdem die Roboter
Ärzte und Helfer alarmiert haben, arbeiten sie sich selbstständig weiter durch das Inferno, auf
der Suche nach weiteren verschütteten Personen und Gefahrenquellen.
Autonome Roboter als Helfer in der Not – noch sind sie eine Zukunftsvision. In der 2012
gegründeten Abteilung für Autonome Motorik des Tübinger Max-Planck-Instituts für
Intelligente Systeme gehen die Wissenschaftler grundlegenden Forschungsfragen nach, die
beantwortet werden müssen, um einst intelligente Systeme wie die beiden Notfallroboter zu
realisieren. Der humanoide Roboter Athena (siehe Abb. 1) könnte ein Vorfahre solcher
Roboter sein. Erst vor kurzem ist Athena in Tübingen angekommen – übrigens als erster
Roboter weltweit als „normaler“ Passagier eines Linienflugs (siehe: www.mpg.de/athena).
Athena ist ein Unikat. In den kommenden Jahren wird sie die Wissenschaftler der Abteilung
beschäftigen, die aus ihr einen autonomen und lernenden Roboter machen wollen.
Abb. 1: Der humanoide Roboter Athena ist 1,88 m groß. Mit nur etwa 50 kg ist er besonders
für hochdynamische Bewegungen geeignet. Athena dient der Abteilung für Autonome
Motorik als experimentelle Plattform für die Forschung zu autonomen und lernenden
Robotern.
© MPI für Intelligente Systeme
67
VIII
Dokumentation 2014
Sich in unbekannter Umgebung zurechtfinden – eine Herausforderung für
die Robotik
Schon seit den 70er Jahren werden Roboter vielfach und erfolgreich in der Industrie
eingesetzt. Dabei wiederholen Industrieroboter zumeist genau vorgegebene Aufgaben; zum
Beispiel setzen sie Schweißpunkte an immer dieselben, genau spezifizierten Stellen. Einmal
programmiert, kann der Roboter so ohne viel Wartungsaufwand Stunden, Tage oder gar Jahre
lang seinen Job verrichten. Im Gegensatz dazu warten auf autonome Roboter weitaus größere
Herausforderungen: Die Roboter sollen selbstständig anspruchsvolle Aufgaben erledigen und
zwar in Situationen, die vorab noch nicht genau bekannt sind. Der autonome Gefahrenhelfer
muss zunächst seine Umgebung und Situation wahrnehmen (z. B. einen verschütteten
Menschen finden), dann selbstständig eine Entscheidung treffen (den Schutt wegräumen) und
diese in die Tat umsetzen. Der Roboter muss ständig seine Aktionen an die aktuelle Situation
anpassen.
Wahrnehmen, Entscheiden, Handeln – und Lernen
Seine Umgebung nimmt der Roboter über Sensoren wie Kameras, Kraftmesser oder
laserbasierte Entfernungssensoren wahr. Auch über den Zustand seines eigenen Körpers weiß
der Roboter durch entsprechende Sensoren Bescheid. Alle diese Informationen nutzt er, um
situativ und flexibel zu reagieren: Seine Computerprogramme verarbeiten die Sensordaten
und treffen eine Entscheidung über die nächste Aktion. Diese setzt der Roboter dann durch
seine elektrischen, pneumatischen oder hydraulischen Antriebe in die Tat um: Der Roboter
greift ein Objekt, macht einen Schritt oder drückt gegen eine Tür. Er tritt also mit seiner
Umgebung in Wechselwirkung und kann sie so beeinflussen. Das Resultat nimmt der Roboter
wiederum über seine Sensoren wahr und korrigiert seine Handlung wenn nötig. Der Kreislauf
aus Wahrnehmen, Entscheiden und Handeln wird ständig durchlaufen, zum Beispiel mehrere
hundert Mal pro Sekunde.
Dieser Kreislauf, man nennt ihn auch einem geschlossenen Regelkreis (siehe Abb. 2), ist
essentiell für einen Roboter, um angemessen zu reagieren. Für wirklich autonomes Verhalten
ist aber eine weitere Komponente entscheidend: Der Roboter muss lernfähig sein. Denn zu
dem Zeitpunkt, wenn der Roboter programmiert wird, ist noch nicht genau klar, in welchen
Situationen er sich einmal zurechtfinden werden muss. Deshalb muss er in der Lage sein, sich
anzupassen und dazuzulernen.
68
Dokumentation 2014
VIII
Abb. 2: Struktur eines autonomen Systems. Der Regler und der Roboter bilden einen
geschlossenen Regelkreis. Der Regler ist auf den Computern des Roboters implementiert; er
erhält kontinuierlich Sensorinformationen (Rückführung) und berechnet daraus Befehle, wie
sich der Roboter bewegen soll. Die Komponenten des Reglers müssen lernfähig sein, damit
der Roboter auch in unbekannten Situationen sinnvoll reagieren kann.
© MPI für Intelligente Systeme (in Anlehnung an [1]).
Selbstlernende Regelsysteme
Für das Funktionieren eines Regelkreises ist der Algorithmus, also das Computerprogramm
entscheidend, welches aus den Sensordaten die Korrekturen für die Antriebe berechnet. Aus
der Regelungs- und Steuerungstheorie sind Verfahren bekannt, mit denen solche
automatischen Entscheidungsalgorithmen entworfen werden können. Der Entwurf und die
Implementierung der Algorithmen erfordern oft eine mathematische Modellbildung,
umfangreiche Simulationsstudien sowie experimentelle Tests. Dieser Prozess ist
zeitaufwendig und erfordert Expertenwissen. Für die Vision eines autonomen Roboters ist das
unbefriedigend: Der Roboter soll (in gewissen Grenzen) selbst in der Lage sein, seine
Regelkreise einzustellen und anzupassen. Wenn sich die beiden Roboter in eingangs
dargestellter Vision auf ihren Einsatz vorbereiten, führen sie solche Anpassungen durch: Sie
kalibrieren Sensoren, passen Reglerparameter an und überprüfen Funktionalitäten. Wenn ein
Roboter im Lauf hinfällt, zieht er daraus wichtige Informationen, wie er seine Laufregelung
anpassen muss, um anschließend nicht mehr zu fallen. Durch ein Fenster sind die Roboter
noch nie geklettert, aber sie meistern diese Aufgabe trotzdem. Das alles sind Beispiele für
selbstlernende Regelsysteme – eine der Hauptforschungsrichtungen in der Abteilung für
Autonome Motorik.
In der Abteilung wird zum Beispiel untersucht, wie Verfahren des maschinellen Lernens auf
Regelsysteme in der Robotik angewandt werden können. Beim maschinellen Lernen geht es
darum, mit einer Maschine (einem Computer) in einer oft großen Menge empirischer Daten
automatisch Strukturen zu erkennen und so Erkenntnisse zu gewinnen [2]. Das hat in den
letzten Jahren erstaunliche Erfolgsgeschichten hervorgebracht: individuelle
Produktempfehlungen bei Online-Händlern sind inzwischen Standard; handelsübliche
69
VIII
Dokumentation 2014
Fotokameras erkennen automatisch Gesichter; und IBM’s Computersystem Watson nutzte
unter anderem Lernalgorithmen, als es 2011 zwei menschliche Gegner in der USamerikanischen Quiz-Sendung Jeopardy! schlug [3]. Typischerweise wird der
Lernalgorithmus mit einem Satz an Trainingsdaten konfrontiert, beispielsweise hunderte von
Bildern mit der Angabe, wo ein Gesicht darauf zu sehen ist. Wenn die Maschine erfolgreich
lernt, kann sie auf ihr unbekannten Bildern dann mit einer gewissen
Erfolgswahrscheinlichkeit ebenfalls Gesichter erkennen. Wie lange der Lernprozess dauert, ist
dabei oft von untergeordneter Bedeutung.
Besondere Herausforderungen
Im Gegensatz zu typischen Anwendungen des maschinellen Lernens stellt Lernen in der
Robotik ein dynamisches Problem dar. Der Roboter generiert die Sensordaten, aus denen er
lernen soll, selbst. Denn er entscheidet, wie er sich bewegt, wo er hinsieht oder wohin er läuft.
Das Ergebnis des Lernprozesses verändert wiederum das Verhalten des Roboters,
beispielsweise bewegt er sich effizienter oder läuft sicherer. Das heißt, das Verhalten des
Roboters und der Lernprozess beeinflussen sich gegenseitig und bilden damit einen
dynamischen Prozess. Das hat verschiedene Implikationen: 1) Statt einmalig, soll der Roboter
kontinuierlich aus seinen Sensordaten lernen – idealerweise immer und während seiner
gesamten Lebenszeit. Lernen muss also schnell und effizient sein. 2) Weil der Roboter die
Daten, aus denen er lernt, selbst generieren muss, ergibt sich oft ein fundamentales Dilemma:
Um etwas Neues zu lernen oder besser zu werden, muss der Roboter neues Verhalten
ausprobieren, d. h. bewusst von bereits gelerntem Verhalten abweichen. Er kann so zeitweilig
auch schlechter werden. 3) Da sich durch Lernen das Verhalten des Roboters ändert, gilt es
sicherzustellen, dass diese Veränderung nicht in die „falsche Richtung“ passiert. Sonst stürzt
der Roboter, der eben noch ohne Probleme laufen konnte. Es ist daher essentiell, dass man
von vornherein gewisse Garantien für den Lernalgorithmus geben kann, dass er trotz
möglicher Widrigkeiten zu sinnvollen und ungefährlichen Ergebnissen führt. Das kann
mithilfe mathematischer Beweistechniken geschehen.
Abb. 3: Beispiele lernender Roboter (im Uhrzeigersinn, beginnend oben links): Sarcos
Humanoid DB mit Devilstick [5]; Tischtennisroboter [7]; Quadrokopter [8]; „Little Dog“ auf
unebenem Untergrund [6].
© Fotos: ATR Computational Neuroscience Lab; MPI-IS, Robot Learning Group; ETH
Zurich, Institute for Dynamic Systems and Control; University of Southern California,
Computational Learning and Motor Control Lab.
70
Dokumentation 2014
VIII
Trotz dieser besonderen Herausforderungen gibt es bereits Beispiele, in denen Roboter
unterschiedlicher Art erfolgreich lernen [4]: zum Beispiel Jonglieren [5], Fortbewegen auf
schwierigem Untergrund [6], Tischtennis spielen [7] oder Fliegen akrobatischer Manöver [8]
(siehe Abb. 3). Allerdings handelt es sich dabei meist um Laborexperimente, bei denen unter
kontrollierten Bedingungen eine bestimmte Fähigkeit gelernt wurde. Eine große
Herausforderung besteht darin, Lernverfahren zu entwickeln, die kontinuierlich und jederzeit
im Hintergrund laufen – ohne dass sie besondere Aufmerksamkeit benötigen, ohne dass sie
Schaden anrichten können und so dass sie trotzdem relevante Verbesserungen erzielen. In wie
weit solche Lernverfahren für allgemeine dynamische Systeme erreicht werden können, oder
zumindest für spezielle Anwendungen, ist eine grundlegende Fragestellung, der die
Wissenschaftler in der Abteilung für Autonome Motorik nachgehen.
Forschung in der Abteilung für Autonome Motorik
Lernalgorithmen für die Regelung und Steuerung von Robotern sind dabei nur eines der
Forschungsthemen in der Abteilung. Wie in Abbildung 2 dargestellt, betrifft der Aspekt des
Lernens sämtliche Komponenten des autonomen Systems, also beispielsweise auch die
Wahrnehmung. Je mehr ein Roboter von der Welt gesehen hat, umso besser sollte er sie
verstehen und relevante Aspekte erkennen können. Gleichfalls ist Lernen wichtig, um
Handlungen zu verbessern – also zum Beispiel das Laufen auf zwei Beinen und das Hantieren
mit den Armen. Einige weitere Forschungsthemen in der Abteilung für Autonome Motorik
sind computergestütztes Sehen, aktive Wahrnehmung, Fusion multipler Sensordaten, optimale
Schätz- und Entscheidungsverfahren, Lokomotion zweibeiniger Roboter, Manipulation,
Kommunikation zwischen Maschinen, Mensch-Maschine-Interaktion sowie
neurowissenschaftliche Studien menschlicher Bewegung. Am Ende sind Fortschritte in allen
diesen Bereichen nötig, wenn die Vision intelligenter Roboter – die gleichzeitig autonom,
lernfähig und robust sind – einmal Realität werden soll.
Literaturhinweise
1.
Spatz, J. P.; Schaal, S.
Intelligent Systems: Bits and Bots
Nature, Research Perspectives of the Max Planck Society (2014)
2.
Schölkopf, B.
Statistische Lerntheorie und Empirische Inferenz
Forschungsbericht, Jahrbuch der Max-Planck-Gesellschaft (2004)
3.
Ferrucci, D. A.
Introduction to "This is Watson"
IBM Journal of Research and Development 56, 1:1-1:15 (2012)
4.
Schaal, S.; Atkeson, C. G.
Learning control in robotics
IEEE Robotics & Automation Magazine 17, 20-29 (2010)
71
VIII
Dokumentation 2014
5.
Schaal, S.; Atkeson, C. G.
Robot juggling: implementation of memory-based learning
IEEE Control Systems Magazine 14, 57-71 (1994)
6.
Kalakrishnan, M.; Buchli, J.; Pastor, P.; Mistry, M.; Schaal, S.
Learning, planning, and control for quadruped locomotion over challenging terrain
The International Journal of Robotics Research 30, 236-258 (2011)
7.
Mülling, K.; Kober, J.; Kroemer, O.; Peters, J.
Learning to select and generalize striking movements in robot table tennis
The International Journal of Robotics Research 32, 263-279 (2013)
8.
Lupashin, S.; Schollig, A. P.; Sherback, M.; D'Andrea, R.
A simple learning strategy for high-speed quadrocopter multi-flips
IEEE International Conference on Robotics and Automation, 1642-1648 (2010)
Adresse: http://www.is.mpg.de/15829919/research_report_8960086?c=248902
© 2003-2015, Max-Planck-Gesellschaft, München
Alle Rechte vorbehalten
Vervielfältigung nur mit Genehmigung
72
Max-Planck-Institut
für Intelligente Systeme
Institutsgeschäftsstelle
Heisenbergstr. 3
70569 Stuttgart
www.is.mpg.de
Tel.: +49-711/689-1983
Fax: +49-711/689-3002

Universitätsklinik Köln Dr. Barbara Strohbücker

pairfam-Newsletter Nr. 02/2015

Beweis: Deduktionstheorem

Intensiver Sport und Gesundheit im mittleren Erwachsenenalter

Trainingswissenschaft – Integrativ & Experimentell

Suppl. Material

Neue Gendefekte bei Netzhautdefekten entdeckt

Ernährung

Bewegung, Sport und körperliche Aktivität

Sitzen