PostDoc am PIK und der TU Berlin
Applying Modeling, Simulation and Machine Learning for the Renewable Energy Transition
Google Scholar
- Soziale Klasse und CO2-Fußabdrücke
- Maschinelles Lernen für die Stabilität des Stromnetzes
- Effiziente Simulation von komplexen Netzwerken (NetworkDynamics.jl)
Animation: Lernen der Kopplungsfunktion eines komplexen Netzwerk mithilfe eines Neuronalen Netzes, DiffEqFlux.jl und NetworkDynamics.jl .
Kontakt
14412 Potsdam
- Maschinelles Lernen (Graph convolutional networks, Neural differential equations)
- Komplexe Netzwerke (Stromnetzwerke, Netzwerke von Neuronen)
- Stabilität und Synchronisation in komplexen Netzwerken
- Scientific Computing und Open Source Software (Julia, insbesondere NetworkDynamics.jl)
Google Scholar
Donner, R. V., Lindner, M., Tupikina, L., & Molkenthin, N. (2019). Characterizing flows by complex
network methods. In A mathematical modeling approach from nonlinear dynamics to complex systems
(pp. 197–226). Springer.
Lindner, M., & Hellmann, F. (2019). Stochastic basins of attraction and generalized committor
functions. Physical Review E, 100(2), 022124.
Lindner, M., & Donner, R. V. (2017). Spatio-temporal organization of dynamics in a two-dimensional
periodically driven vortex flow: A lagrangian flow network perspective. Chaos: An Interdisciplinary
Journal of Nonlinear Science, 27(3), 035806.
Büttner, A., Würfel, H., Plietzsch, A., Lindner, M., & Hellmann, F. (2022). An open source software
stack for tuning the dynamical behavior of complex power systems. 2022 Open Source Modelling and
Simulation of Energy Systems (OSMSES), 1–6.
Nauck, C., Lindner, M., Schürholt, K., & Hellmann, F. (2022). Towards dynamical stability analysis of
sustainable power grids using graph neural networks. NeurIPS ClimateChange (accepted).
Nauck, C., Lindner, M., Schürholt, K., Zhang, H., Schultz, P., Kurths, J., Isenhardt, I., & Hellmann, F.
(2022). Predicting basin stability of power grids using graph neural networks. New Journal of Physics,
24(4), 043041.
Lindner, M., Lincoln, L., Drauschke, F., Koulen, J. M., Würfel, H., Plietzsch, A., & Hellmann, F. (2021).
NetworkDynamics. jl—Composing and simulating complex networks in Julia. Chaos: An
Interdisciplinary Journal of Nonlinear Science, 31(6), 063133.
Schuster, A., Lindner, M., & Otto, I. M. (2023). Whose House is on Fire? Identifying
Socio-Demographic and Housing Characteristics Driving Differences in the UK Household Co2
Emissions. Ecological Economics (accepted).
Clisciety - climate science, energy transition and society
Das Workshop-Kollektiv clisciety steht für einen konstruktiven Austausch zwischen Klima-Wissenschaft und Gesellschaft. Wir vermitteln Referent*innen und entwickeln Bildungsangebote rund um den Klimawandel und seine Auswirkungen.
Zehn Fakten zum Klimawandel - ZEIT online, mit Antonia Schuster
Ich biete Kurse für Programier-Anfänger an (Python, in Deutsch und Englisch). Kontaktieren Sie mich falls Sie einen Dozenten suchen.
