Sara Hahner mit Ada-Lovelace-Preis für herausragende Promotion ausgezeichnet

Pressemitteilung /

Dr. Sara Hahner wurde für ihre herausragende Dissertation zur effizienten Analyse und Darstellung dreidimensionaler Oberflächengitter mit dem Ada-Lovelace-Preis 2024 des Instituts für Numerische Simulation der Universität Bonn ausgezeichnet. In ihrer Arbeit, die von Prof. Dr. Jochen Garcke betreut wurde, entwickelte sie effiziente Verfahren auf Basis maschinellen Lernens, die es ermöglichen, komplexe 3D-Strukturen präziser zu vergleichen und zu optimieren. Diese Methoden finden Anwendung in Bereichen wie der Computeranimation und technischen Simulationen, beispielsweise zur Verbesserung von Crashtests in der Automobilindustrie.

© Bastian Bohn, Universität Bonn
Hinten: Prof. Dr. Marc Alexander Schweitzer, stellvertretender Direktor von Fraunhofer SCAI, Prof. Dr. Jürgen Dölz, Prof. Dr. Joscha Gedicke, Prof. Dr. Jochen Garcke, Leiter des Geschäftsfeld Numerische Datenbasierte Vorhersagen bei Fraunhofer SCAI und Betreuer der Dissertation, Prof. Dr. Martin Rumpf, Gabriele Alonso Rodriguez (v.l.). Vorne: Die Preisträgerinnen Rebecca Maria Siebert und Dr. Sara Vera Hahner, Preisträgerin für ihre herausragende Promotion bei Fraunhofer SCAI (v.l.).

BONN – Dr. Sara Vera Hahner ist mit dem Ada-Lovelace-Preis für die beste Promotion des Jahres 2024 am Institut für Numerische Simulation (INS) der Universität Bonn geehrt worden. Der Preis ist mit 2000 Euro dotiert. Während ihrer Zeit am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI entwickelte sie effiziente niedrig-dimensionale Darstellungen 3-dimensionaler Oberflächengitter. Solche Gitter bilden die Grundlage für die Darstellung gekrümmter Oberflächen in Computermodellen. Dabei wählt man Punkte auf der Oberfläche und verbindet diese durch gerade Linien. Zwischen diesen Linien entstehen dabei polygonale Flächen, die ein Computer darstellen kann. Um gekrümmte Oberflächen detailgetreu darzustellen, benötigt man allerdings sehr viele solcher kleinen Polygone.

Hahner untersuchte, wie unterschiedliche Oberflächengitter gut miteinander verglichen werden können – eine Herausforderung, denn unterschiedlich gut aufgelöste Objekte können für den Betrachter das gleiche darstellen: Auch eine weniger detailliert dargestellte Katze identifiziert der Mensch noch als Katze, solange wesentliche Merkmale einer Katze – vier Beine, langer Schwanz, spitze Ohren – noch als solche erkennbar sind. Auch bleibt eine Katze eine Katze, selbst wenn sie sich (virtuell) bewegt. Und selbst bei gleicher Auflösung müssen die Gitter nicht übereinstimmen. Die Gitterpunkte können auch nur leicht verschoben sein.

© Alle Gitter stammen aus dem Datensatz zu Robert W. Sumner and Jovan Popović. Deformation Transfer for Triangle Meshes. ACM Transactions on Graphics, 2004.
Bei der Darstellung von Oberflächen im Computer werden sogenannte Oberflächengitter verwendet. Diese bestehen aus Punkten, die durch Linien verbunden sind. Die Linien begrenzen polygonale Flächen, die der Computer darstellen kann.
Ein Mensch erkennt eine Katze bereits mit wenigen Punkten und Linien. Ein Computer tut sich damit jedoch schwerer, da sich die zugrunde liegende Datenstruktur stark verändert. Dr. Hahners neue Verfahren ermöglichen es, unterschiedliche Darstellungen desselben Gegenstands für den Computer besser vergleichbar zu machen.
Mit den neuen Methoden kann der Computer präzise erkennen, ob und wie sich ein Gitter verformt hat. Dies ist nicht nur für die Animation von Lebewesen wie einer Katze wichtig, sondern spielt auch eine entscheidende Rolle bei virtuellen Crashtests. Hier soll automatisiert erfasst werden, wie sich Bauteile verformen, um daraus Verbesserungen abzuleiten.

Doch wie ist es möglich, 3D-Oberflächengitter unabhängig von ihrer konkreten Darstellung zu unterscheiden? In ihrer exzellenten Doktorarbeit »Low-dimensional Representations for Diverse Collections of 3D Surface Meshes«, die unter der Betreuung von Prof. Dr. Jochen Garcke, Leiter des Geschäftsfelds Numerische datenbasierte Vorhersage bei Fraunhofer SCAI, entstand, entwickelte Hahner hierfür neue Verfahren, die auf maschinellem Lernen basieren und einen mathematischen Fingerabdruck eines gegebenen Gitters erstellen.

Der grundlegende Gedanke dabei ist, die großen Datenmengen eines Oberflächengitters zu komprimieren, da sie aus Millionen von Punkten und Verbindungen zwischen den Punkten bestehen können. Dies gelang mit einem Autoencoder, einem neuronalen Netzwerk, das Daten komprimiert und später rekonstruiert, indem es wesentliche Merkmale extrahiert. Ziel dabei ist es, ein Gitter so zu kodieren, dass eine kleine vorgegebene Menge an Datenpunkten für die Kodierung eine möglichst genaue Rekonstruktion (Dekodierung) des Gitters ermöglicht. Diese Dimensionsreduktion ist wichtig für die weitere Verarbeitung der Daten, denn durch die richtige Wahl der Kodierung lassen sich unterschiedliche Gitter gut miteinander vergleichen. Dass dabei einige Informationen verloren gehen, nimmt man in Kauf.

Mathematisch anspruchsvoll ist es, die Kodierung so zu bewerkstelligen, dass lokale Formen des Gitters so kodiert werden, dass sie bei der Dekodierung erhalten bleiben. Beispiel Katzenbild: Auch nach erneuter Dekodierung soll die Form der Nase oder der Ohren möglichst gut erhalten bleiben. Eine solche Kodierung ermöglicht dann, verschiedene Oberflächengitter möglichst schnell und zuverlässig miteinander zu vergleichen und bestehende Gitter mit dem Ziel einer besseren Darstellung zu modifizieren.

Die von Hahner entwickelte Verfahren sind für Computeranimationen oder für technische Simulationen von Bedeutung. Bei Aufpralltests in der Automobilindustrie möchte man die Deformation eines Objekts effizient messen und vergleichen. Mit dem neuen Ansatz gelingt das bei beliebig im Raum angeordneten Gitterdarstellungen, die dazu auch noch besonders stark variieren dürfen.

Die neu entwickelten Algorithmen können robuster mit unterschiedlichen Darstellungen gleicher Oberflächen umgehen als bisherige Methoden. Sie eignen sich zur Mustererkennung und somit zur Automatisierung von Simulationen und zur Vorhersage von Schwachstellen im Material.

Der Ada-Lovelace-Preis würdigt seit dem Jahr 2010 jährlich die beste Bachelor-, Master- und Doktorarbeiten am Institut für Numerische Simulation an der Universität Bonn. Sara Hahner, die nach ihrer Promotion bei Fraunhofer SCAI zum Europäischen Zentrum für mittelfristige Wettervorhersage wechselte, erhielt die Auszeichnung sogar zweimal. Bereits im Jahr 2016 wurde sie für die beste Bachelorarbeit am INS ausgezeichnet.