Reinhard Heckel erhielt die Auszeichnung als Jungwissenschaftler der Stiftung Werner-von-Siemens-Ring für seine wissenschaftlichen Arbeiten zu bildgebenden Verfahren zur Verbesserung der Bildqualität und für seine Algorithmen für Datenspeicherung in DNA.
Über Reinhard Heckel
Reinhard Heckel ist Rudolf-Mößbauer-Professor an der Fakultät für Elektrotechnik und Informationstechnik der Technischen Universität München und außerordentlicher Professor an der Rice University, wo er von 2017 bis 2019 als Assistenzprofessor im Department Electrical and Computer Engineering (ECE) tätig war. Davor war er eineinhalb Jahre als Postdoktorand am Department of Electrical Engineering and Computer Sciences der University of California, Berkeley, und ein Jahr in der Abteilung Cognitive Computing & Computational Sciences bei IBM Research Zürich tätig. Er promovierte 2014 in Elektrotechnik an der ETH Zürich und war Gastdoktorand am Statistik Department der Stanford University.
Reinhard Heckel arbeitet an der Schnittstelle von maschinellem Lernen und Signal- und Informationsverarbeitung. Seine Schwerpunkte liegen aktuell auf tiefen Netzwerken zur Lösung inverser Probleme, Lernen von wenigen und verrauschten Daten und DNA-Datenspeicherung.
Datengetriebenes Design von Algorithmen
In den letzten zehn Jahren wurden bemerkenswerte Fortschritte bei bildgebenden Systemen mit Neuronalen Netzen erzielt. Diese neuronalen Netze werden trainiert um ein Bild aus Messungen zu rekonstruieren. Die neueste Generation medizinischer Bildgebungstechnologien erzeugt mit solchen neuronalen Netzen Bilder mit geringerer Scanzeit und höherer Qualität als konventionelle Verfahren das ermöglichen.
Die daraus resultierenden Systeme sind jedoch sehr trainingsdatenintensiv und nicht gut verstanden. Zudem funktionieren die resultierenden Systeme oft nur auf Daten die sehr ähnlich sind zu den Trainingsdaten, und die System können sehr anfällig sein für leichte Störungen in den Messungen. Die Forschung von Reinhard Heckel befasst sich mit diesen Problemen. Er entwickelt auf neuronalen Netzen basierende Bildgebungsalgorithmen, die mit weniger Daten arbeiten und robust sind.
Aufgrund ihrer Langlebigkeit und der enormen Informationsdichte ist die DNA ein attraktives Speichermedium. Die bestehenden Technologien zum Lesen und Schreiben von DNA erfordern jedoch, dass die Daten auf vielen kurzen Sequenzen gespeichert werden. Zudem entstehen viele Fehler beim Schreiben, Speichern, und Lesen der DNA. Reinhard Heckel und sein Team haben das erste robuste DNA-Speichersystem gebaut, das eine zuverlässige Speicherung von Daten auf DNA ermöglicht, und kodierungs- und informationstheoretische Grundlagen für zukünftige DNA-Speichersysteme entwickelt. Das ist ein zukunftsweisender Schritt für die kompakte Datenspeicherung.
