Diplom-Informatiker(in)

Christoph Lüders

Doktorand AG Weber
 
Endenicher Allee 19A, Raum
D-53115 Bonn
Germany
3.036
Telefon: +49 (0) 228 73-69623
Fax: +49 (0) 228 73-4212
E-Mail: chris@REMOVETHISPART.cfos.de

Christoph Lüders studierte Informatik an der Universität Bonn und erhielt das Diplom in 2014. Seit 2014 ist er Doktorant in Informatik, betreut von Andreas Weber. Von 2015 bis 2016 hatte er ein Stipendium des Stiftungsfonds Johannes Kepler. In 1993 gründete er die cFos Software GmbH.

Forschungsgebiete

  • Tropische Geometrie, schnelle Berechnung der tropischen Prevariety
  • Chemische Reaktionsnetzwerke, Analyse von Bifurkationen und Robustheit
  • Schnelle Multiplikation großer Zahlen, von optimiertem Karatsuba bis Schönhage-Strassen und weiter (wie De, Kurur, Saha und Saptharishis Algorithmus)
  • Maschinelles Lernen

Publikationen

 
 
Satya Samal, Jeyashree Krishnan, Christoph Lüders, Andreas Schuppert, Andreas Weber und Ovidiu Radulescu
International Conference on Systems Biology of Human Disease (SBHD), Heidelberg. Poster, 2017
 
In proceedings of Proceedings of the 2015 ACM on International Symposium on Symbolic and Algebraic Computation, pages 267-274, 2015
 
Diploma thesis, Universität Bonn, Apr. 2014
 
 

Laufende Projekte

logo=Symbionet.png 
Die Modellierung der Dynamik und Interaktion von Netzwerken ist ein Schlüsselproblem der Systemmedizin und allgemeiner der Systembiologie. Derzeit angewandte Methoden haben Probleme wie Unbestimmtheit von Parametern, Instabilität und Wachstum mit der Dimension. Wir schlagen neue Methoden zur symbolischen Analyse vor, die diese Probleme vermeiden. Darüber hinaus fokussiert unsere neue Denkweise nicht auf einzelne Instanzen sondern auf Größenordnungen. Entsprechende Computeralgebra-Probleme sind NP-hart, aber Experimente weisen auf ihre Lösbarkeit für biologische Netzwerke hin. Wir haben bereits gezeigt, dass Komplexitätsparameter wie Baumbreite oder die Anzahl verschiedener metastabiler Regime in biologischen Datenbaken verfügbarer Modelle nur langsam mir der Größe wächst. Wir werden diese Beobachtung nutzen, um herausfordernde Probleme der Netzwerkanalyse zu lösen, wie etwa die Bestimmung von Parameterregionen für die Existenz und Stabilität von Attraktoren, Modellreduktion und hybride Netzwerkmodellierung.