Dr. Philipp Wacker

Research Interests

Ich interessiere mich hauptsächlich für die Lösung von PDE-basierten Inversen Problemen, also der Suche nach Parameterwerten, die mit indirekten und fehlerbehafteten Messungen kompatibel sind. Insbesondere beschäftige ich mich mit Bayesschen Methoden. Dieser Zugang beginnt mit der Festlegung einer A-Priori-Verteilung von “plausiblen” Parameterwerten (etwa durch domänenspezifisches Expertenwissen). Gemeinsam mit den Daten kann damit eine A-Posteriori-Verteilung bestimmt werden, die beides synthetisiert: Expertenwissen und Daten.

Diese A-Posteriori-Verteilung muss nun durch geeignete Verfahren “befragt” werden. Interessant hierbei sind der Mittelwert (“Conditional Mean”), der “wahrscheinlichste” Parameterwert (“MAP estimator”) sowie Samplingverfahren, die Konfidenzintervalle an die Parameterwerte liefern. Approximative Verfahren wie der Ensemble-Kalman-Filter erlauben eine schnellere Schätzung dieser Größen.

Meine Anwendungsschwerpunkte liegen in den Geowissenschaften (Geohydrologie) und Biomathematik.

Außerdem experimentiere ich mit dem Einsatz von interaktiven, webbasierten Erklärungen zu mathematischen Themen [www.pwacker.com]

Résumé

Studium der Mathematik an der Universität Augsburg. B. Sc. (2011) und M. Sc. (2013)
Dr. rer. nat in Mathematik an der Universität Augsburg, 2016
Wissenschaftlicher Mitarbeiter an der FAU Erlangen-Nürnberg, seit 2016

Publications

Ashton G., Bernstein N., Buchner J., Chen X., Csányi G., Fowlie A., Feroz F., Griffiths M., Handley W., Habeck M., Higson E., Hobson M., Lasenby A., Parkinson D., Pártay LB., Pitkin M., Schneider D., Speagle JS., South L., Veitch J., Wacker PK., Wales DJ., Yallup D.:
Author Correction: Nested sampling for physical scientists (Nature Reviews Methods Primers, (2022), 2, 1, (39), 10.1038/s43586-022-00121-x)
In: Nature Reviews Methods Primers 2 (2022), Article No.: 44
ISSN: 2662-8449
DOI: 10.1038/s43586-022-00138-2
BibTeX: Download
Ashton G., Bernstein N., Buchner J., Chen X., Csányi G., Fowlie A., Feroz F., Griffiths M., Handley W., Habeck M., Higson E., Hobson M., Lasenby A., Parkinson D., Pártay LB., Pitkin M., Schneider D., Speagle JS., South L., Veitch J., Wacker PK., Wales DJ., Yallup D.:
Nested sampling for physical scientists
In: Nature Reviews Methods Primers 2 (2022)
ISSN: 2662-8449
DOI: 10.1038/s43586-022-00121-x
BibTeX: Download

Wacker PK., Schillings C., Sprungk B.:
On the convergence of the Laplace approximation and noise-level-robustness of Laplace-based Monte Carlo methods for Bayesian inverse problems
In: Numerische Mathematik (2020)
ISSN: 0029-599X
DOI: 10.1007/s00211-020-01131-1
URL: https://rdcu.be/b5Bfu
BibTeX: Download

Bloemker D., Schillings C., Wacker PK., Weissmann S.:
Well posedness and convergence analysis of the ensemble Kalman inversion
In: Inverse Problems 35 (2019)
ISSN: 0266-5611
DOI: 10.1088/1361-6420/ab149c
BibTeX: Download
Wacker PK., Knabner P.:
Wavelet-Based Priors Accelerate Maximum-a-Posteriori Optimization in Bayesian Inverse Problems
In: Methodology and Computing in Applied Probability 22 (2019), p. 853-879
ISSN: 1387-5841
DOI: 10.1007/s11009-019-09736-2
BibTeX: Download

Wacker PK., Blömker D., Schillings C.:
A STRONGLY CONVERGENT NUMERICAL SCHEME FROM ENSEMBLE KALMAN INVERSION
In: SIAM Journal on Numerical Analysis 56 (2018), p. 2537-2562
ISSN: 0036-1429
DOI: 10.1137/17M1132367
BibTeX: Download

Wacker PK., Bianchi LA., Blömker D.:
Pattern size in Gaussian fields from spinodal decomposition
In: SIAM Journal on Applied Mathematics 77 (2017), p. 1292 - 1319
ISSN: 0036-1399
DOI: 10.1137/15M1052081
URL: https://arxiv.org/pdf/1510.01967.pdf
BibTeX: Download
Wacker PK., Blömker D., Wanner T.:
Probabilistic estimates of the maximum norm of random Neumann Fourier series
In: Communications in Nonlinear Science and Numerical Simulation 47 (2017), p. 348 - 369
ISSN: 1007-5704
DOI: 10.1016/j.cnsns.2016.11.023
URL: https://arxiv.org/pdf/1603.04300.pdf
BibTeX: Download

Teaching

[univis univisid=”41893967″ task=”lehrveranstaltungen-alle” lv_import=”0″]

Dr. Philipp Wacker