Themenklasse Kolloquium 11.1.2016 Protokoll

Themenklasse Kolloquium 11.1.2016 Protokoll 1. Februar wird organisatorische Sitzung: Abschlusspräsentation + Publikation Tom Altenburg – Projekt Analogspeicher : „Über die Robustheit der akustischen Levitation in Experiment und Simulation“ Akustische Levitation ist ein instabiles System. Daher die Frage nach der Robustheit. Die „akustische Pinzette“ bringt Gegenstände zum Schweben. Aufbau: 1. Frequenzgenerator 2. Verstärker 3. Spannungs-­‐ und Impedanzanpassung (ist aber hier überflüssig) 4. Transducer und Platte. Man hofft, dass das Signal dort gut ankommt. Impedanz: frequenzabhängiger Widerstand. Variablen: 1. Frequenz 2. Form 3. Amplitude 4. Abstand des Reflektors 5. Parallelität 6. Größe und Gewicht des Objekts 7. Material des Reflektors Höchste Ziel: Wassertropfen schweben zu lassen. Wichtige Fragen zur Robustheit: A. Welche Parameterwerte erzeugen Levitation? B. Wenn Levitation auftritt, wie tolerant ist das System dann gegenüber Störungen? Es gibt verschiedene mathematische Modelle. Für die akustische Pinzette arbeitet Tom mit einem agentenbasierten Modell. Man würde im Modell eine stehende Welle generieren und dann gucken, ob diese sich nach einer Störung wiederherstellt. In der Pinzette selbst gibt es das Problem, dass viele Parameter „unsichtbar“ sind. Die mathematischen Ergebnisse umzusetzen in ein (physisches) Modell liegt außerhalb des Vorhabens. Die akustische Pinzette ist insbesondere für kleine Gegenstände geeignet. Bei Wassertropfen z.B. kann man also ohne Gefäß eine chemische Reaktion erzeugen. Ben Schumacher und Leon Engler – Projekt „Der Kafkanator: Literatur trifft Machine Learning“ Gesichtsdatenbank/Programm welches eine literarische Beschreibung eines Gesichts generiert. Ziel: symbiotische Zusammenarbeit von Mensch und Maschine. Auf der Suche nach literarischen Beschreibungen von Gesichtern. Machine learning. Vgl. Kafkas Detailbesessenheit in seinen Tagebüchern. „Ein Gesicht das seine Leere offen trägt.“ Wie soll eine Maschine solche Sachen erkennen? Auch: Dostoyevski, Musil (beschreibt Gesichte zum Teil mathematisch, Winkel usw.), Bachmann. Die (nicht-­‐realisierbare) Vorstellung ist: der Kafkanator: eine Maschine die Zitate/Gesichtsbeschreibungen ausspuckt. Die Zitate werden vorher Gesichtern aus einer Datenbank zugeordnet. (Folgen schöne Zitate aus Kafkas Tagebüchern, Dostoyevski und Musil) Machine Learning: Man brauch eine bestimmte Menge von (menschlichem) Wissen. Der Computer soll dieses Wissen dann verallgemeinern und auf neues Material anwenden. Input: Fotos von Gesichtern mit zwei Webcams (ermöglicht Stabilisierung und 3D). Verbesserungen: mehr Zitate, Autoren. Trainingsmenge vergrößern. Hauptfrage: Wie kann man menschliche Emotionen überhaupt kodieren? (Basisprojekt)