Wie Maschinen Mathematik erkunden, vermuten und entdecken – 12.02.2026
Mit der neuesten Ausgabe der Munich AI Lectures öffnet sich erneut ein Raum für grundlegende Fragen an der Schnittstelle von Künstlicher Intelligenz und Wissenschaft. Gemeinsam mit der Ludwig-Maximilians-Universität München, insbesondere dem Bayerischen KI-Lehrstuhl für Mathematische Grundlagen von Künstlicher Intelligenz, wird eine Lecture ausgerichtet, die zeigt, wie KI zunehmend Teil des wissenschaftlichen Erkenntnisprozesses wird.
Im Mittelpunkt des Vortrags steht die Rolle von KI als Partnerin in der mathematischen Forschung. Vorgestellt werden Ansätze aus der AI4Math-Initiative, die Optimierung, maschinelles Lernen und mathematische Struktur verbinden, um hochkomplexe Suchräume zu erschließen. Anhand des Hadwiger–Nelson-Problems wird erläutert, wie neuronale Netze genutzt werden können, um gemischt diskret-kontinuierliche Fragestellungen in differenzierbare Optimierungsprobleme zu überführen und neue Lösungsräume zu explorieren.
Zum Vortragenden: Prof. Dr. Sebastian Pokutta ist Vizepräsident des Zuse Institute Berlin (ZIB) und Professor für Mathematik an der TU Berlin mit einem Forschungsschwerpunkt auf Künstlicher Intelligenz und Optimierung. Er leitet unter anderem den Exzellenzcluster MATH+ sowie den Research Campus MODAL und war zuvor in Wissenschaft und Industrie tätig, unter anderem am MIT, bei IBM ILOG und an der Georgia Tech. Seine Arbeit wurde mit zahlreichen Auszeichnungen gewürdigt, darunter der Gödel Prize, der STOC Test of Time Award und der NSF CAREER Award.
Hier geht's zum LMU Raumfinder: https://www.lmu.de/raumfinder/#/
Veranstalter: Ludwig-Maximilians-Universität München, Bayerischer KI-Lehrstuhl für Mathematische Grundlagen von Künstlicher Intelligenz
Veranstaltungssprache: Englisch
Zielgruppe: Forschende, Studierende, Wissenschaftlerinnen und Wissenschaftler aus Mathematik, Informatik und Künstlicher Intelligenz sowie weitere KI-Interessierte