Dokumentation 2015 - Max-Planck-Institut für Intelligente Systeme
Transcrição
Dokumentation 2015 - Max-Planck-Institut für Intelligente Systeme
Dokumentation 2015 Max-Planck-Institut für Intelligente Systeme Stuttgart / Tübingen Dokumentation 2015 Herausgegeben vom MAX-PLANCK-INSTITUT FÜR INTELLIGENTE SYSTEME Stuttgart / Tübingen Abteilung Perzeptive Systeme, Dr. Michael J. Black Abteilung Theorie inhomogener kondensierter Materie, Prof. Dr. Siegfried Dietrich Abteilung Phasenumwandlungen, Thermodynamik und Kinetik, Prof. Dr.Ir. Eric Jan Mittemeijer Abteilung Autonome Motorik, Prof. (University of Southern California, USA ) Dr.-Ing. Stefan Schaal Abteilung Empirische Inferenz, Prof. Dr. Bernhard Schölkopf Abteilung Moderne magnetische Systeme, Prof. Dr. Gisela Schütz Abteilung Physische Intelligenz, Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA) Dr. Metin Sitti Abteilung Neue Materialien und Biosysteme, Prof. Dr. Joachim P. Spatz Umschlagbild: Mikroskopisch kleine Hafthärchen nach dem Vorbild der Natur Schon seit jeher ist die Natur eine große Quelle der Inspiration. Viele Lebewesen wie Käfer, Frösche oder Geckos haben sich perfekt an ihren Lebensraum angepasst. So wurden im Laufe der Evolution die unterschiedlichsten Haftpads entwickelt, die es den Tieren ermöglichen, sich zuverlässig auf mannigfaltigen Oberflächen fortzubewegen. Der Schlüssel für diese faszinierenden Fähigkeiten liegt in der mikroskopisch kleinen Größe und der komplexen Geometrie ihrer Mikro- und Nanohärchen. Inspiriert durch diese Hafthärchen wurden verschiedene Mikrostrukturen entwickelt, die eine starke und auch reversible Haftung ermöglichen. Mittels verschiedener Abguss- und Abformtechniken können diese Härchen mit weichen und elastischen Polymeren nachgebildet werden. Die Kontaktgeometrie der Hafthärchen hat dabei einen entscheidenden Einfluss auf die Haftung. Anhand von Adhäsionsexperimenten hat sich gezeigt, dass pilz- und saugnapfförmige Härchen (wie in der Abbildung dargestellt) über die höchsten Haftkräfte verfügen. Auf glatten Oberflächen lassen sich somit ähnliche oder sogar höhere Haftkräfte als die des Geckos erzielen. Solche mikro- und nanostrukturierten Oberflächen sind von großem Interesse für robotische Applikationen und können je nach Anforderung gezielt angepasst und weiterentwickelt werden. © Dr. Dirk-Michael Drotlef (Abteilung Physische Intelligenz, Max-Planck-Institut für Intelligente Systeme, Standort Stuttgart) Herausgeber: Max-Planck-Institut für Intelligente Systeme Stuttgart / Tübingen Telefon 0711 689-1397 Telefax 0711 689-1292 E-Mail: [email protected] http://www.is.mpg.de Verantwortlich für den Inhalt: Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA)Dr. Metin Sitti Redaktion: Druck: Daniela Kabinová, Annette Stumpf F & W Schmidt, Renningen Stand: Mai 2016 Dokumentation 2014 Inhaltsverzeichnis Inhaltsverzeichnis I Struktur und Gliederung des Instituts II Wissenschaftliche Veröffentlichungen 2015 11 a) Veröffentlichungen in Zeitschriften und Konferenzberichten 11 b) Monographien und Beiträge zu Sammelwerken 35 c) Herausgabe von Zeitschriften und Schriftenreihen 36 III Erfindungsmeldungen und Patentanmeldungen 38 IV Abgeschlossene Arbeiten 39 a) Dissertationen 39 b) Diplom-/ Masterarbeiten 40 c) Bachelorarbeiten 41 V Doktoranden 42 a) Inland (Stand 31.12.2015) 42 b) Ausland (Stand 31.12.2015) 44 VI Gastwissenschaftler 46 VII Sonstige Mitteilungen 49 a) Ehrungen 49 b) Berufungen / Ernennungen 52 c) Ständige Mitgliedschaften 54 d) Wissenschaftliche Veranstaltungen 57 e) Weitere Veranstaltungen 60 VIII Tätigkeitsberichte im Jahrbuch der Max-Planck-Gesellschaft 2016 62 I Struktur und Gliederung 4 I I Dokumentation 2015 Struktur und Gliederung Max-Planck-Institut für Intelligente Systeme (2015) (2014) Geschäftsführender Direktor Gesamtinstitut Dr. Michael Black 01.02.2015 30.06.2015 Dr. –Michael J. Black Ab 01.07.2015 Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA) Dr. Metin Sitti Geschäftsführender Direktor Standort Stuttgart Prof. Dr. Joachim P. Spatz Geschäftsführender Direktor Standort Stuttgart Wissenschaftliche (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA) Dr. Metin Sitti Ab 01.02.2015 Prof.Mitglieder Dr. Michael J. Black Prof. Dr. Siegfried Dietrich Geschäftsführender Direktor Standort Tübingen Prof. Dr. Ir. Eric Jan Mittemeijer Dr.Southern MichaelCalifornia, Black 01.02.2015 30.06.2015 of Prof.– (University USA ) Dr.-Ing. Stefan Schaal Prof. Dr.Prof. Bernhard Schölkopf (University of Southern California, USA ) Dr.-Ing. Stefan Schaal Ab 01.07.2015 Prof. Dr. Gisela Schütz Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA) Dr. Metin Sitti Wissenschaftliche Mitglieder Prof. Dr. Joachim P. Spatz Dr. Michael J. Black Leiter einer Forschungsgruppe Prof. Dr. Siegfried Dietrich Prof. Dr.Ir. Dr. Karsten Borgwardt (bis 01.06.2014) Prof. Eric Jan Mittemeijer Dr. Jan-Henning Dirks Prof. (University of Southern California, USA ) Dr.-Ing. Stefan Schaal Prof. Dr. Dr. Bernhard Peer Fischer Prof. Schölkopf Prof. Dr. Ana García-Sáez Prof. Dr. Gisela Schütz Dr. Matthias Krüger Prof. (Carnegie Mellon University, Pittsburgh, Pennsylvania/USA) Dr. Metin Sitti Dr. Laura Na Liu P. Spatz Prof. Dr. Joachim Dr. Ralf Richter Leiter einer Forschungsgruppe Dr. Samuel Sánchez Ordóñez Ralf Zeitler Dr. Daniel Braun Dr. Jan-Henning Dirks Max Planck Fellow Prof. Fischer Prof. Dr. Dr. Peer Clemens Bechinger Prof. Dr. Ana García-Sáez Dr. Philipp Hennig Emeritierte Wissenschaftliche Mitglieder Dr. Matthias Krüger Prof. Dr. Fritz Aldinger Dr. Laura Na Liu Prof. Dr. phil. Dr. h.c. Hellmut Fischmeister Dr. Diego PallarolaGerold Prof. Dr. Volkmar Dr. Jan Prof. Dr.Peters Helmut Kronmüller Dr. Ralf Richter Prof. Dr. Dr. h.c. mult. Günter Petzow Dr. Righetti Prof.Ludovic Dr. Manfred Rühle Dr. Sámuel Ordóñez Prof. Dr. Dr.Sánchez h.c. Alfred Seeger Prof. Dr. Dr. h.c. Günther Tölg Max Planck Fellow Prof. Dr. Clemens Bechinger 4 Dokumentation 2015 I Emeritierte Wissenschaftliche Mitglieder Prof. Dr. Fritz Aldinger Prof. Dr. phil. Dr. h.c. Hellmut Fischmeister Prof. Dr. Volkmar Gerold Prof. Dr. Helmut Kronmüller Prof. Dr. Dr. h.c. mult. Günter Petzow Prof. Dr. Manfred Rühle Prof. Dr. Dr. h.c. Alfred Seeger, † 18.10.2015 Prof. Dr. Dr. h.c. Günther Tölg Auswärtige Wissenschaftliche Mitglieder Prof. Dr. Arthur Heuer, Cleveland, Ohio, USA Prof. Dr. Johannes Heydenreich, Halle (Saale), Deutschland, † 24.06.2015 Prof. Dr. Frans A. Spaepen, Cambridge, MA, USA Fachbeirat Vorsitzender: Prof. Dr. Andrew Blake, London, Vereinigtes Königreich Prof. Dr. Zoubin Ghahramani, Cambridge, Vereinigtes Königreich Prof. Dr. Danica Kragic, Stockholm, Schweden Prof. Dr. Vijay Kumar, Philadelphia, PA; USA Prof. Dr. Barbara Mazzolai, Pontedera, Italien Prof. Dr. Massimiliano Pontil, London, Vereinigtes Königreich Prof. Dr. Helge Ritter, Bielefeld, Deutschland Prof. Dr. Yair Weiss, Jerusalem, Israel 5 I Dokumentation 2015 Kuratorium Vorsitzende: Dr. Jeanne Rubner, München, Deutschland Stellvertretender Vorsitzender: Prof. Dr. Thomas Hofmann, Zürich, Schweiz Prof. Dr.-Ing. Thomas Bauernhansl, Stuttgart, Deutschland Gerhard Borho, Esslingen, Deutschland Christoph Dahl, Stuttgart, Deutschland Dr. Siegfried Dais, Gerlingen, Deutschland Prof. Dr. Bernd Engler, Tübingen, Deutschland Christian O. Erbe, Tübingen, Deutschland Prof. Dr. Holger Hanselka, Karlsruhe, Deutschland Dr. Ralf Herbrich, Berlin, Deutschland Prof. Dr. Thomas Hirth, Stuttgart, Deutschland (bis 31.12.2015) Prof. Dr. Thomas Hofmann, Zürich, Schweiz Fritz Kuhn, Stuttgart, Deutschland StS Klaus-Peter Murawski, Stuttgart, Deutschland Boris Palmer, Tübingen, Deutschland Prof. Dr.-Ing. Wolfram Ressel, Stuttgart, Deutschland Dr. Jeanne Rubner, München, Deutschland MinDir Rolf Schumacher, Stuttgart, Deutschland MinDir Dr. Simone Schwanitz, Stuttgart, Deutschland Dr.-Ing. Michael Steiner, Weissach, Deutschland Prof. Dr. Eberhart Zrenner, Tübingen, Deutschland 6 Dokumentation 2015 I Am Institut tätige Wissenschaftler (Stand 31.12.2015) Name Vorname Abteilung Antoni Dr. Benk Dr. Besserve Dr. Bier Dr. Bischoff Ph.D. Bohg Dr. Böhm Dr. Cavalcanti-Adam Dr. Csiszar Däfler Dr. Diao Dr. Dirks Dr. Di Russo Dr. Drotlef Dr. Enficiaud Prof. Dr. Fähnle Prof. Dr. Fischer Prof. Dr. Garcia Saez Dr. Gehler Dr. Geiger Dr. Geiger Gergen Priv. Doz. Dr. habil. Goering Dr. Grosse-Wentrup Dr. Grunze Halbig Ph.D. Hegedüs Dr. Hirscher Dr. Hirschfeld-Warneken Huang Dr. Jahn Priv.-Doz. Dr. habil. Janzing Kavalan Prof. Dr. Kemkemer Ph.D. Keskinbora Dr. habil. Krech Dr. Kuzyk Prof. Dr. Liu Priv. Doz. Dr. habil. Majer Martin Dr. Medda Dr. Micoulet Noah Dr. Noske Christiane Hildegard Amelie Saskia Michel Markus Ewald Jeannette Heike Elisabetta Ada Gabor Claudia Zhaolu Jan-Henning Jacopo Dirk-Michael Raffi Manfred Peer Ana Jesus Peter-Vincent Andreas Fania Franz-Werner Eberhard Moritz Nina Christine Maria Katharina Zoltan Michael Vera Catherine Wenting Sarah Dominik Jojumon Ralf Kahraman Michael Anton Na Guenter Volker Rebecca Alexandre Francois André Martin Matthias Abt. Spatz Abt. Spatz Abt. Schölkopf Abt. Dietrich Abt. Mittemeijer Abt. Schaal ZWE Biomaterialien ZWE Biomaterialien Abt. Mittemeijer Inform./ Öffentlichk. Abt. Spatz Abt. Spatz Abt. Spatz Abt. Sitti ZWE Software Workshop Abt. Schütz FoGr. Fischer FoGr. Garcia Abt. Black Abt. Black Abt. Spatz IT-Gruppe Stuttgart Abt. Schütz Abt. Schölkopf Abt. Spatz Abt. Spatz Abt. Mittemeijer Abt. Schölkopf Abt. Spatz ZWE Dünnschichtlabor Abt. Spatz Abt. Schölkopf ZWE Scientific Computing Abt. Spatz Abt. Schütz IT-Gruppe Stuttgart FoGr. Liu FrGr. Liu Abt. Spatz Abt. Spatz Abt. Spatz Abt. Spatz Abt. Mittemeijer Abt. Schütz 7 I Dokumentation 2015 Dr. Pacholski Dr. Peters Dr. Peters Dr. Polatidis Dr. Polikovsky Dr. Pons-Moll Dr. Richter Dr. Righetti Dr. Romero Dr. Rossberger Rossi Sales Ramos Prof. Dr. Sanchez Ordonez Dr. Schimmele Dr. Schmidt Dr. Segar Dr. Simmchen Dr. Spröwitz Dr. Squarcini Dr. Stahl Dr. Stoll Dr. Streuber Dr. Tasinkevych Dr. Trimpe Dr. Tröndle Dr. Urner Dr. Uspal Dr. Vasiliev Dr. Weigand Dr. Weiler Wieschollek Dr. Zakharchenko Zambarda Dr. Zotov Claudia Jan Jonas Efthymios Senya Semion Gerard Gunther Ludovic Javier Sabrina Susanne Paul Adria Samuel Lothar Mathias Richard William Moore Juliane Alexander Thomas Alessio Claudia Hermann Stephan Mykola Johann Sebastian Matthias Ruth William Eric Oleg Markus Markus Patrick Svetlana Chiara Nikolay Stamenov Abt. Spatz Abt. Schölkopf Abt. Schölkopf Abt. Mittemeijer ZWE Optics Abt. Black ZWE Dünnschichtlabor Abt. Schaal Abt. Black Abt. Spatz Abt. Mittemeijer FoGr. Fischer FrGr. Sanchez Abt. Dietrich Abt. Schütz GD Stuttgart Abt. Dietrich Abt. Sitti Abt. Dietrich Abt. Schütz Abt. Schütz Abt. Black Abt. Dietrich Abt. Schaal Geschäftsstelle Tübingen Abt. Schölkopf Abt. Dietrich Abt. Dietrich Abt. Schütz Abt. Spatz Abt. Schölkopf Abt. Sitti Abt. Spatz ZWE Röntgenbeugung Drittmittel/MPG-Vorhaben Name Vorname Abteilung Prof. Dr. Bechinger Dr. Brüggemann Dr. Diaz Dr. Guasch Camell Dr. Haraszti Dr. Hennig Dr. Mark Melde Dr. Migliorini Ph.D. Palagi Clemens Dorothea Maria Katharina Carolina Judit Tamas Philipp Andrew Gonchee Kai Elisa Stefano Max Planck Fellow Abt. Spatz Abt. Spatz Abt. Spatz Abt. Spatz Abt. Schölkopf FoGr Fischer FoGr Fischer Abt. Spatz FoGr Fischer 8 Dokumentation 2015 Dr. Platzman Dr. Walker Dr. Wei Prof. Dr. Wichmann Dr. Zhou I Ilia Debora Qiang Felix Chao Abt. Spatz FoGr Fischer Abt. Spatz Abt. Schölkopf FoGr Liu Wissenschaftliche Mitarbeiter an der Universität Stuttgart, Institut für Materialwissenschaft, Lehrstuhl I, Prof. Dr. Ir. E. J. Mittemeijer (Stand: 31. 12. 2015) Dipl.-Ing. Bastian Rheingans Dr. Ralf Schacherl Wissenschaftliche Mitarbeiter an der Universität Stuttgart, Institut für Theoretische Physik IV, Prof. Dr. S. Dietrich (Stand: 31. 12. 2015) M.Sc. Henrik Bartsch Dr. Markus Gross Dr. Matthias Krüger Dr. Christian Rohwer M.Sc. Heino Soo 9 (Wiss.) Servicegruppen Wissenschaftliche Arbeitsgruppe Forschungsgruppen Wissenschaftliche Abteilungen 10 Gemeinsame Einrichtungen mit FKF ZWE Chemische Synthese Mikro-, Nanound Molekulare Systeme (Fischer) mit Universität Stuttgart Bibliothek Netzwerkgruppe IT-Gruppe Stuttgart Max Planck Fellow Weiche Materie (Bechinger) Glastechnik ZWE Röntgenbeugung Feinmechanische Werkstatt Probenherstellung Dual Beam Moderne magnetische Systeme Phasenumwandlungen, Thermodynamik und Kinetik Theorie inhomogener kondensierter Materie Nichtgleichgewichtssysteme (Krüger) Lab-in-a-tube and Nanorobotics (Sánchez) Schütz *** Mittemeijer * Neue Materialien und Biosysteme Autonome Motorik Schaal ****** Fachbeirat Kuratorium IT-Gruppe Tübingen Probobilistics Numerics (Hennig) Empirische Inferenz Schölkopf **** ******* Professur an der Carnegie Mellon University (USA) ****** Professur an der Universität von Südkalifornien (USA) ***** Honorarprofessur an der Universität Tübingen, Adjunct Prof (Research) an der Brown University, Gastprofessur an der ETH Zürich Mechatronik Werkstatt ZWE Optics, Workshop and Sensing ZWE Scientific Computing N.N. N.N. Geschäftsstelle Tübingen Geschäftsführender Direktor Tübingen Robot learning lab (Peters) Sensorimotor Learning and Decision-Making (Braun) Movement generation and control group (Righetti) ZWE Software Workshop Perzeptive Systeme Black ***** Kollegium Tübingen **** Honorarprofessuren an den Universitäten Tübingen, Berlin, Gastprofessur an der ETH Zürich *** Honorarprofessur an der Universität Stuttgart ** Professur an der Universität Heidelberg * Personalunion mit der Universität Stuttgart ZWE Biomaterialien N.N. N. N. Komm. Leiter Mittemeijer nano.AR (Dirks) Membrane Biophysik (Garcia-Sáez) Intelligente Nanoplasmonik (Liu) Nanoelektronik (Pallarola) Glykobiotechnologie (Richter) ZWE Dünnschichtlabor Physische Intelligenz Spatz ** Kollegium M. J. Black, S. Dietrich, E.J. Mittemeijer, S. Schaal, B. Schölkopf, G. Schütz, M. Sitti, J. Spatz Sitti ******* Kollegium Stuttgart Dietrich * Geschäftsstelle Stuttgart Geschäftsführender Direktor Stuttgart Institutsgeschäftsstelle Geschäftsführender Direktor Stand: 01.09.2015 Max-Planck-Institut für Intelligente Systeme I Dokumentation 2015 Organigramm Kooperation mit MPI f. biol. Kyb. (geplant) Dokumentation 2015 II II Wissenschaftliche Veröffentlichungen 2015 a) Veröffentlichungen in Zeitschriften und Konferenzberichten Abdolmaleki, A., Peters, J., & Neumann, G. (2015). Model-Based Relative Entropy Stochastic Search. In: C. Cortes, N. Lawrence, & D. Lee (Eds.), Advances in Neural Information Processing Systems 28 (NIPS 2015) (pp. 3523-3531). New York: Curran Associates, Inc. Adolff, C. F., Hänze, M., Pues, M., Weigand, M., & Meier, G. (2015). Gyrational modes of benzenelike magnetic vortex molecules. Physical Review B, 92(2): 024426. doi:10.1103/PhysRevB.92.024426. Aerov, A. A., & Krüger, M. (2015). Theory of rheology in confinement. Physical Review E, 92(4): 042301. doi:10.1103/PhysRevE.92.042301. Akhter, I., & Black, M. J. (2015). Pose-Conditioned Joint Angle Limits for 3D Human Pose Reconstruction. In: Proceedings IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2015) (pp. 1446-1455). New York: IEEE. doi:10.1109/CVPR.2015.7298751. Alaiz, C. M., Dinuzzo, F., & Sra, S. (2015). Correlation matrix nearness and completion under observation uncertainty. IMA Journal of Numerical Analysis, 35(1), 325-340. doi:10.1093/imanum/drt056. Alarcón-Correa, M., Lee, T. C., & Fischer, P. (2015). Dynamic inclusion complexes of metal nanoparticles inside nanocups. Angewandte Chemie International Edition, 127, 6834-6838. doi:10.1002/ange.201500635. Awasthi, P., Balcan, M.-F., Haghtalab, N., & Urner, R. (2015). Efficient Learning of Linear Separators under Bounded Noise. In: P. Grünwald, E. Hazan, & S. Kale (Eds.), Proceedings of the 28th Conference on Learning Theory (COLT) (pp. 167-190). JMLR: Workshop and Conference Proceedings, Vol. 40. Brookline, MA, USA: Microtome Publishing. Baiutti, F., Logvenov, G., Gregori, G., Cristiani, G., Wang, Y., Sigle, W., van Aken, P. A., & Maier, J. (2015). High-temperature superconductivity in space-charge regions of lanthanum cuprate induced by two-dimensional doping. Nature Communications, 6: 8586. doi:10.1038/ncomms9586. Bano, F., Carril, M., Di Gianvincenzo, P., & Richter, R. P. (2015). Interaction of hyaluronan with cationic nanoparticles. Langmuir, 31(30), 8411-8420. doi:10.1021/acs.langmuir.5b01505. Bartsch, H., Dannenmann, O., & Bier, M. (2015). Thermal and structural properties of ionic fluids. Physical Review E, 91(4): 042146. doi:10.1103/PhysRevE.91.042146. Basu, U., Krüger, M., Lazarescu, A., & Maes, C. (2015). Frenetic aspects of second order response. Physical Chemistry Chemical Physics, 17(9), 6653-6666. doi:10.1039/c4cp04977b. Baylan, S., Richter, G., Beregovsky, M., Amram, D., & Rabkin, E. (2015). The kinetics of hollowing of Ag–Au core–shell nanowhiskers controlled by short-circuit diffusion. Acta Materialia, 82, 145-154. doi:10.1016/j.actamat.2014.08.057. Behncke, C., Hänze, M., Adolff, C. F., Weigand, M., & Meier, G. (2015). Band structure engineering of two-dimensional magnonic vortex crystals. Physical Review B, 91(22): 224417. doi:10.1103/PhysRevB.91.224417. 11 II Dokumentation 2015 Belardinelli, D., Sbragaglia, M., Biferale, L., Gross, M., & Varnik, F. (2015). Fluctuating multicomponent lattice Boltzmann model. Physical Review E, 91(2): 023313. doi:10.1103/PhysRevE.91.023313. Benaissa, M., Sigle, W., Ng, T., El Bouayadi, R., van Aken, P. A., Jahangir, S., Bhattacharya, P., & Ooi, B. (2015). On the impact of indium distribution on the electronic properties in InGaN nanodisks. Applied Physics Letters, 106: 101910. doi:10.1063/1.4915117. Berlind, C., & Urner, R. (2015). Active Nearest Neighbors in Changing Environments. In: F. Bach, & D. Blei (Eds.), Proceedings of the 32nd International Conference on Machine Learning (ICML) (pp. 1870-1879). JMLR: Workshop and Conference Proceedings, Vol. 37. Brookline, MA, USA: Microtome Publishing. Besserve, M., Lowe, S. C., Logothetis, N. K., Schölkopf, B., & Panzeri, S. (2015). Shifts of Gamma Phase across Primary Visual Cortical Sites Reflect Dynamic Stimulus-Modulated Information Transfer. PLoS Biology, 13: 1002257. doi:10.1371/journal.pbio.1002257. Betz, T., Shapley, R. M., Wichmann, F., & Maertens, M. (2015). Noise masking of White's illusion exposes the weakness of current spatial filtering models of lightness perception. Journal of Vision, 15(14): 1. doi:10.1167/15.14.1. Betz, T., Shapley, R. M., Wichmann, F., & Maertens, M. (2015). Testing the role of luminance edges in White´s illusion with contour adaptation. Journal of Vision, 15(11): 14. doi:10.1167/15.11.14. Bezrukov, I., Schmidt, H., Gatidis, S., Mantlik, F., Schäfer, J. F., Schwenzer, N., & Pichler, B. J. (2015). Quantitative evaluation of segmentation- and atlas- based attenuation correction for PET/MR on pediatric patients. Journal of Nuclear Medicine, 56(7), 1067-1074. doi:10.2967/jnumed.114.149476. Bier, M. (2015). Nonequilibrium interfacial tension during relaxation. Physical Review E, 92(4): 042128. doi:10.1103/PhysRevE.92.042128. Bisig, A., Mawass, M.-A., Stärk, M., Moutafis, C., Rhensius, J., Heidler, J., Gliga, S., Weigand, M., Tyliszczak, T., Van Waeyenberge, B., Stoll, H., Schütz, G., & Kläui, M. (2015). Dynamic domain wall chirality rectification by rotating magnetic fields. Applied Physics Letters, 106(12): 122401. doi:10.1063/1.4915256. Bleibel, J., Dominguez, A., & Oettel, M. (2015). 3D hydrodynamic interactions lead to divergences in 2D diffusion. Journal of Physics: Condensed Matter, 27(19): 194113. doi:10.1088/09538984/27/19/194113. Bogo, F., Black, M. J., Loper, M., & Romero, J. (2015). Detailed Full-Body Reconstructions of Moving People from Monocular RGB-D Sequences. In: Proceedings IEEE International Conference on Computer Vision (ICCV) (pp. 2300-2308). New York: IEEE. doi:10.1109/ICCV.2015.265. Borisova, O., Billon, L., Richter, R. P., Reimhult, E., & Borisov, O. (2015). pH- and ElectroResponsive Properties of Poly(acrylic acid) and Poly(acrylic acid)-block-poly(acrylic acid-gradstyrene) Brushes Studied by Quartz Crystal Microbalance with Dissipation Monitoring. Langmuir, 31(27), 7684-7694. doi:10.1021/acs.langmuir.5b01993. 12 Dokumentation 2015 II Böttger, K., Hatzikirou, H., Voss-Böhme, A., Cavalcanti-Adam, E. A., Herrero, M. A., & Deutsch, A. (2015). An Emerging Allee Effect Is Critical for Tumor Initiation and Persistence. PLoS Computational Biology, 11(9): e1004366. doi: 10.1371/journal.pcbi.1004366. Briggs, D. C., Birchenough, H. L., Ali, T., Rugg, M. S., Waltho, J. P., Ievoli, E., Jowitt, T. A., Enghild, J. J., Richter, R. P., Salustri, A., Milner, C. A., & Day, A. J. (2015). Metal Ion-dependent Heavy Chain Transfer Activity of TSG-6 Mediates Assembly of the Cumulus-Oocyte Matrix. The Journal of Biological Chemistry, 290(48), 28708-28723. doi:10.1074/jbc.M115.669838. Brubaker, M. A., Geiger, A., & Urtasun, R. (2015). Map-Based Probabilistic Visual Self-Localization. IEEE Transactions on Pattern Analysis and Machine Intelligence, 38(4), 652-665. doi:10.1109/TPAMI.2015.2453975. Calandra, R., Ivaldi, S., Deisenroth, M., & Peters, J. (2015). Learning Torque Control in Presence of Contacts using Tactile Sensing from Robot Skin. In: Proceedings 15th IEEE-RAS International Conference on Humanoid Robots (HUMANOIDS) (pp. 690-695). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363429. Calandra, R., Ivaldi, S., Deisenroth, M., Rückert, E., & Peters, J. (2015). Learning Inverse Dynamics Models with Contacts. In: Proceedings IEEE International Conference on Robotics and Automation (pp. 3186-3191). New York, USA: IEEE. doi:10.1109/ICRA.2015.7139638. Cavalcanti-Adam, E. A., & Spatz, J. P. (2015). Receptor clustering control and associated force sensing by surface patterning: when force matters. Nanomedicine, 10(5), 681-684. doi:10.2217/nnm.14.234. Chadzynski, G., Pohmann, R., Shajan, G., Kolb, R., Bisdas, S., Klose, U., & Scheffler, K. (2015). In vivo proton magnetic resonance spectroscopic imaging of the healthy human brain at 9.4 T: initial experience. Magnetic Resonance Materials in Physics, Biology and Medicine, 28(3), 239-249. doi:10.1007/s10334-014-0460-5. Chen, L. Y., He, M.-R., Shin, J., Richter, G., & Gianola, D. S. (2015). Measuring surface dislocation nucleation in defect-scarce nanostructures. Nature Materials, 14, 707-713. doi:10.1038/nmat4288. Chen, Y.-C., Gregori, G., Leineweber, A., Qu, F., Chen, C.-C., Tietze, T., Kronmüller, H., Schütz, G., & Goering, E. (2015). Unique high-temperature performance of highly consensed MnBi permanent magnets. Scripta Materialia, 107, 131-135. doi:10.1016/j.scriptamat.2015.06.003. Choudhury, U., Soler, L., Gibbs, J. G., Sanchez, S., & Fischer, P. (2015). Surface roughness-induced speed increase for active Janus micromotors. Chemical Communications, 51(41), 8660-8663. doi:10.1039/C5CC01607J. Chung, S. E., Dong, X., & Sitti, M. (2015). Three-dimensional heterogeneous assembly of coded microgels using an untethered mobile microgripper. Lab on a Chip, 15(7), 1667-1676. doi:10.1039/C5LC00009B. Daniel, C., Kroemer, O., Viering, M., Metz, J., & Peters, J. (2015). Active Reward Learning with a Novel Acquisition Function. Autonomous Robots, 39(3), 389-405. doi:10.1007/s10514-015-9454-z. Das, T., Safferling, K., Rausch, S., Grabe, N., Böhm, H., & Spatz, J. P. (2015). A molecular mechanotransduction pathway regulates collective migration of epithelial cells. Nature Cell Biology, 17, 276-287. doi:10.1038/ncb3115. 13 II Dokumentation 2015 Diaz-Egea, C., Abargues, R., Martinez-Pastor, J. P., Sigle, W., van Aken, P. A., & Molina, S. I. (2015). High spatial resolution mapping of individual and collective localized surface plasmon resonance modes of silver nanoparticle aggregates: correlation to optical measurements. Nano Express, 10: 310. doi:10.1186/s11671-015-1024-y. Ding, Y.-L., Wen, Y., Chen, C.-C., van Aken, P. A., Maier, J., & Yu, Y. (2015). Nanosheets of EarthAbundant Jarosite as Novel Anodes for High-Rate and Long-Life Lithium-Ion Batteries. ACS Applied Materials and Interfaces, 7, 10518-10524. doi:10.1021/acsami.5b01992. Ding, Y.-L., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2015). Rapid and Up-Scalable Fabrication of Free-Standing Metal Oxide Nanosheets for High-Performance Lithium Storage. Small, 11, 20112018. doi:10.1002/smll.201402502. Ding, Y.-L., Wen, Y., Wu, C., van Aken, P. A., Maier, J., & Yu, Y. (2015). 3D V6O13 Nanotextiles Assembled from Interconnected Nanogrooves as Cathode Materials for High-Energy Lithium Ion Batteries. Nano Letters, 15, 1388-1394. doi:10.1021/nl504705z. Ding, Y.-L., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2015). Jarosite Nanosheets Fabricated via Room-Temperature Synthesis as Cathode Materials for High-Rate Lithium Ion Batteries. Chemistry of Materials, 27, 3143-3149. doi:10.1021/acs.chemmater.5b00849. Dobricki, M., & Mohler, B. (2015). Self-Identification With Another’s Body Alters Self-Other Face Distinction. Perception, 44(7), 814-820. doi:10.1177/0301006615594697. Doerr, A., Ratliff, N., Bohg, J., Toussaint, M., & Schaal, S. (2015). Direct Loss Minimization Inverse Optimal Control. In: Proceedings of Robotics: Science and Systems XI. Rome, Italy: R:SS. doi: 10.15607/RSS.2015.XI.013. Dubacheva, G. V., Curk, T., Auzély-Velty, R., Frenkel, D., & Richter, R. P. (2015). Designing Multivalent Probes for Tunable Superselective Targeting. Proceedings of the National Academy of Sciences of the United States of America, 112, 5579-5584. doi:10.1073/pnas.1500622112. Endlein, T., & Federle, W. (2015). On heels and toes: how ants climb with adhesive pads and tarsal friction hair arrays. PLoS One, 10(11): e0141269. doi:10.1371/journal.pone.0141269. Engbert, R., Trukenbrod, H., Barthelmé, S., & Wichmann, F. (2015). Spatial statistics and attentional dynamics in scene viewing. Journal of Vision, 15(1), 14. doi:10.1167/15.1.14. Eslami, S., Gibbs, J. G., Mark, A. G., Lee, T. C., Jeong, H.-H., Kim, I., & Fischer, P. (2015). Parallel fabrication of wafer-scale plasmonic metamaterials for nano-optics. Proceedings of SPIE, 9374: 93740R-1. doi: 10.1117/12.2080098. Evrard, H., & (Bud) Craig, A. (2015). Insular Cortex. In: A. Toga (Ed.), Brain Mapping: An Encyclopedic Reference (pp. 387–393). Amsterdam: Elsevier. Ewerton, M., Neumann, G., Lioutikov, R., Ben Amor, H., Peters, J., & Maeda, G. (2015). Learning multiple collaborative tasks with a mixture of Interaction Primitives. In: Proceedings IEEE International Conference on Robotics and Automation (pp. 1535-1542). New York: IEEE. doi:10.1109/ICRA.2015.7139393. Ewerton, M., Maeda, G., Peters, J., & Neumann, G. (2015). Learning Motor Skills from Partially Observed Movements Executed at Different Speeds. In: Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (pp. 456-463). New York: IEEE. doi:10.1109/IROS.2015.7353412. 14 Dokumentation 2015 II Fähnle, M., Illg, C., Haag, M., & Teeny, N. (2015). Theory of ultrafast demagnetization after femtosecond laser pulses. Acta Physica Polonica A, 127(2), 170-175. doi:10.12693/APhysPolA.127.170. Farahmand Bafi, N., Maciolek, A., & Dietrich, S. (2015). Phase diagram of fluid phases in He3−He4 mixtures. Physical Review E, 91(2): 022138. doi:10.1103/PhysRevE.91.022138. Fomina, T., Schölkopf, B., & Grosse-Wentrup, M. (2015). Towards Cognitive Brain-Computer Interfaces for Patients with Amyotrophic Lateral Sclerosis. In: Proceedings of 7th Computer Science and Electronic Engineering Conference (pp. 77-80). New York: IEEE. doi:10.1109/CEEC.2015.7332703. Fomina, T., Hohmann, M., Schölkopf, B., & Grosse-Wentrup, M. (2015). Identification of the Default Mode Network with Electroencephalography. In: Proceedings of the 37th IEEE Conference for Engineering in Medicine and Biology (pp. 7566-7569). New York: IEEE. doi:10.1109/EMBC.2015.7320143. Fonović, M., Leineweber, A., Robach, O., Jägle, E. A., & Mittemeijer, E. J. (2015). The Nature and Origin of ‘‘Double Expanded Austenite’’ in Ni-Based Ni–Ti Alloys Developing Upon Low Temperature Gaseous Nitriding. Metallurgical and Materials Transactions A, 46(9), 4115-4131. doi:10.1007/s11661-015-2999-9. Foreman-Mackey, D., Montet, B., Hogg, D., Morton, T., Wang, & Schölkopf, B. (2015). A systematic search for transiting planets in the K2 data. The Astrophysical Journal, 906(2): 215. doi:10.1088/0004637X/806/2/215. Fritsche, L., Unverzagt, F., Peters, J., & Calandra, R. (2015). First-Person Tele-Operation of a Humanoid Robot. In: 15th IEEE-RAS International Conference on Humanoid Robots (pp. 997-1002). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363475. Frohnmayer, J., Brüggemann, D., Eberhard, C., Neubauer, S., Mollenhauer, C., Boehm, H., Kessler, H., Geiger, B., & Spatz, J. P. (2015). Synthetische Adhäsion von Integrin-Liposomen als minimales Zellmodell. Angewandte Chemie, 127(42), 12649-12655. doi:10.1002/ange.201503184. Frohnmayer, J., Brüggemann, D., Eberhard, C., Neubauer, S., Mollenhauer, C., Böhm, H., Kessler, H., Geiger, B., & Spatz, J. P. (2015). Minimal synthetic cells to study integrin-mediated adhesion. Angewandte Chemie International Edition, 54, 12472-12478. doi:10.1002/anie.201503184. Fu, L., Tang, K., Oh, H., Kandavel, M., Bräuniger, T., Vinod Chandran, C., Menzel, A., Hirscher, M., Samuelis, D., & Maier, J. (2015). "Job-Sharing" storage of hydrogen in Ru/Li2O nanocomposites. Nano Letters, 15(6), 4170-4175. doi:10.1021/acs.nanolett.5b01320. Gajdošík, M., Chadzynski, G., Hangel, G., Mlynarik, V., Chmelík, M., Valkovic, L., Bogner, W., Pohmann, R., Scheffler, K., Trattnig, S., & Krššák, M. (2015). Ultrashort-TE stimulated echo acquisition mode (STEAM) improves the quantification of lipids and fatty acid chain unsaturation in the human liver at 7 T. NMR in Biomedicine, 28(10), 1283–1293. doi:10.1002/nbm.3382. Gangwar, A., Bauer, H. G., Chauleau, J.-Y., Noske, M., Weigand, M., Stoll, H., Schütz, G., & Back, C. H. (2015). Electrical determination of vortex state in submicron magnetic elements. Physical Review B, 91(9): 094407. doi:10.1103/PhysRevB.91.094407. 15 II Dokumentation 2015 Geiger, A., & Wang, C. (2015). Joint 3D Object and Layout Inference from a single RGB-D Image. In: Pattern Recognition - Proceedings 37th German Conference, GCPR 2015, Aachen, Germany (pp. 183-195). Lecture Notes in Computer Science, Vol. 9358. Cham: Springer. doi:10.1007/978-3-31924947-6_15. Geiger, P., Zhang, K., Schölkopf, B., Gong, M., & Janzing, D. (2015). Causal Inference by Identification of Vector Autoregressive Processes with Hidden Components. In: F. Bach, & D. Blei (Eds.), Proceedings of the 32nd International Conference on Machine Learning, Lille, France (pp. 1917-1925). JMLR: Workshop and Conference Proceedings, Vol. 37. Brookline, MA, USA: Microtome Publishing. Genewein, T., Hez, E., Razzaghpanah, Z., & Braun, D. (2015). Structure Learning in Bayesian Sensorimotor Integration. PLoS Computational Biology, 11(8), 1-27. doi:10.1371/journal.pcbi.1004369. Genewein, T., Leibfried, F., Grau-Moya, J., & Braun, D. (2015). Bounded rationality, abstraction and hierarchical decision-making: an information-theoretic optimality principle. Frontiers in Robotics and AI, 2: e1004369. doi:10.3389/frobt.2015.00027. Geuss, M., Stefanucci, J., Creem-Regehr, S., Thompson, W., & Mohler, B. (2015). Effect of Display Technology on Perceived Scale of Space. Human Factors, 57(7), 1235-1247. doi:10.1177/0018720815590300. Gibbs, J. G., & Fischer, P. (2015). Active colloidal microdrills. Chemical Communications, 51(20), 4192-4195. doi:10.1039/c5cc00565e. Gomes de Mattos, T., Harnau, L., & Dietrich, S. (2015). Three-body critical Casimir forces. Physical Review E, 91(4): 042304. doi:10.1103/PhysRevE.91.042304. Gomez Solano, J. R., July, C., Mehl, J., & Bechinger, C. (2015). Non-equilibrium work distribution for interacting colloidal particles under friction. New Journal of Physics, 17: 045026. doi:10.1088/1367-2630/17/4/045026. Gomez Solano, J. R., & Bechinger, C. (2015). Transient dynamics of a colloidal particle driven through a viscoelastic fluid. New Journal of Physics, 17: 103032. doi:10.1088/13672630/17/10/103032. Gong, M., Zhang, K., Schölkopf, B., Tao, D., & Geiger, P. (2015). Discovering Temporal Causal Relations from Subsampled Data. In: F. Bach (Ed.), Proceedings of the 32nd International Conference on Machine Learning, Lille, France (pp. 1898-1906). JMLR: Workshop and Conference Proceedings, Vol. 37. Brookline, MA, USA: Microtome Publishing. Gräfe, J., Haering, F., Tietze, T., Audehm, P., Weigand, M., Wiedwald, U., Ziemann, P., Gawronski, P., Schütz, G., & Goering, E. J. (2015). Perpendicular magnetisation from in-plane fields in nanoscaled antidot lattices. Nanotechnology, 26(22): 225203. doi:10.1088/0957-4484/26/22/225203. Grau-Moya, J., & Braun, D. (2015). Adaptive information-theoretic bounded rational decision-making with parametric priors. In: NIPS 2015 Workshop on Bounded Optimality and Rational Metareasoning, Montreal, Canada. 16 Dokumentation 2015 II Greiner, A. M., Biela, S. A., Chen, H., Spatz, J. P., & Kemkemer, R. (2015). Temporal responses of human endothelial and smooth muscle cells exposed to uniaxial cyclic tensile strain. Experimental Biology and Medicine, 240(10), 1298-1309. doi:10.1177/1535370215570191. Gross, M., Krüger, T., & Varnik, F. (2015). Fluctuations and diffusion in sheared athermal suspensions of deformable particles. EPL, 108(6): 68006. doi:10.1209/0295-5075/108/68006. Guasch, J., Conings, B., Neubauer, S., Rechenmacher, F., Ende, K., Rolli, C. G., Kappel, C., Schaufler, V., Micoulet, A., Kessler, H., Boyen, H.-G., Cavalcanti-Adam, E. A., & Spatz, J. P. (2015). Segregation Versus Colocalization: Orthogonally Functionalized Binary Micropatterned Substrates Regulate the Molecular Distribution in Focal Adhesions. Advanced Materials, 27, 3737-3747. doi:10.1002/adma.201500900. Güney, F., & Geiger, A. (2015). Displets: Resolving Stereo Ambiguities using Object Knowledge. In: Proceedings IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2015 (pp. 41654175). New York: IEEE. doi:10.1109/CVPR.2015.7299044. Hagberg, G., Bause, J., Ethofer, T., Dresler, T., Herbert, C., Pohmann, R., Shajan, G., Fallgatter, A., & Scheffler, K. (2015). T1 relaxometry and tissue segmentation of the human brain at 9.4T and 3T using MP2RAGE. In: 32nd Annual Scientific Meeting ESMRMB 2015, Edinburgh, UK. Hagmann, J., Becker, C., Mueller, J., Stegle, O., Meyer, R. C., Wang, G., Schneeberger, K., Fitz, J., Altmann, T., Bergelson, J., Borgwardt, K., & Weigel, D. (2015). Century-scale Methylome Stability in a Recently Diverged Arabidopsis thaliana Lineage. PLoS Genetics, 11(1): e1004920. doi:10.1371/journal.pgen.1004920. Hänze, M., Adolff, C. F., Weigand, M., & Meier, G. (2015). Burst-mode manipulation of magnonic vortex crystals. Physical Review B, 91(10): 104428. doi:10.1103/PhysRevB.91.104428. Harrison, S., Collins-McIntyre, L., Schönherr, P., Vailionis, A., Srot, V., van Aken, P. A., Kellock, A., Pushp, A., Parkin, S., Harris, J., Zhou, B., & Hesjedal, T. (2015). Massive Dirac Fermion Observed in Lanthanide-Doped Topological Insulator Thin Films. Scientific Reports, 5: 15767. doi:10.1038/srep15767. Hauberg, S., Schober, M., Liptrot, M., Hennig, P., & Feragen, A. (2015). A Random Riemannian Metric for Probabilistic Shortest-Path Tractography. In: N. Navab, J. Hornegger, W. Wells, & A. Frangi (Eds.), Proceedings Medical Image Computing and Computer-Assisted Intervention (MICCAI), Munich, Germany, 2015 (pp. 597-604). Lecture Notes in Computer Science, Vol. 9349. Cham: Springer. doi:10.1007/978-3-319-24553-9_73. Hauff, K., Zambarda, C., Dietrich, M., Halbig, M., Grab, A.-L., Medda, R., & Cavalcanti-Adam, E. A. (2015). Matrix-immobilized BMP-2 on microcontact printed fibronectin as an in vitro tool to study BMP-mediated signaling and cell migration. Frontiers in Bioengineering and Biotechnology, 3: 62. doi:10.3389/fbioe.2015.00062. Helden, L., Eichhorn, R., & Bechinger, C. (2015). Direct measurement of thermophoretic forces. Soft Matter, 11, 2379-2386. doi:10.1039/C4SM02833C. Helmstedt, A., Dohmeier, N., Müller, N., Gryzia, A., Brechling, A., Heinzmann, U., Hoeke, V., Krickemeyer, E., Glaser, T., Leicht, P., Fonin, M., Tietze, T., Joly, L., & Kuepper, K. (2015). Probing the magnetic moments of [MnIII6CrIII]3+ single-molecule magnets - A cross comparison of XMCD and 17 II Dokumentation 2015 spin-resolved electron spectroscopy. Journal of Electron Spectroscopy and Related Phenomena, 198, 12-19. doi:10.1016/j.elspec.2014.11.005. Helsen, M., Gangwar, A., De Clercq, J., Vansteenkiste, A., Weigand, M., Back, C. H., & Van Waeyenberge, B. (2015). Non-linear radial spinwave modes in thin magnetic disks. Applied Physics Letters, 106(3): 032405. doi:10.1063/1.4906196. Hennig, P., Osborne, M. A., & Girolami, M. (2015). Probabilistic numerics and uncertainty in computations. Proceedings of the Royal Society A, 471(2179): 20150142. doi:10.1098/rspa.2015.0142. Hennig, P. (2015). Probabilistic Interpretation of Linear Solvers. SIAM Journal on Optimization, 25(1), 234-260. doi:10.1137/140955501. Herranz-Diez, C., Li, Q., Lamprecht, C., Mas-Moruno, C., Neubauer, S., Kessler, H., Manero, J., Guillem-Marti, J., & Selhuber-Unkel, C. (2015). Bioactive compounds immobilized on Ti and TiNbHf: AFM-based investigations of biofunctionalization efficiency and cell adhesion. Colloids and Surfaces B, 136, 704-711. doi:10.1016/j.colsurfb.2015.10.008. Hertel, R., & Fähnle, M. (2015). Macroscopic drift current in the inverse Faraday effect. Physical Review B, 91(2): 020411(R). doi:10.1103/PhysRevB.91.020411. Herzog, A., Rotella, N., Schaal, S., & Righetti, L. (2015). Trajectory generation for multi-contact momentum-control. In: 15th IEEE-RAS International Conference on Humanoid Robots (Humanoids), Seoul, Korea, (pp. 874-880 ). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363464. Hirsch, M., & Schölkopf, B. (2015). Self-calibration of optical lenses. In: Proceedings IEEE International Conference on Computer Vision (ICCV 2015) (pp. 612-620). New York: IEEE. doi:10.1109/ICCV.2015.77. Hoelscher, J., Peters, J., & Hermans, T. (2015). Evaluation of Interactive Object Recognition with Tactile Sensing. In: 15th IEEE-RAS International Conference on Humanoid Robots (Humanoids), Seoul, Korea, (pp. 310-317). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363560. Höfling, F., & Dietrich, S. (2015). Enhanced wavelength-dependent surface tension of liquid-vapour interfaces. EPL, 109(4): 46002. doi:10.1209/0295-5075/109/46002. Hohmann, M., Fomina, T., Jayaram, V., Widmann, N., Förster, C., Müller vom Hagen, J., Synofzik, M., Schölkopf, B., Schöls, L., & Grosse-Wentrup, M. (2015). A Cognitive Brain-Computer Interface for Patients with Amyotrophic Lateral Sclerosis. In: Proceedings of the 2015 IEEE International Conference on Systems, Man, and Cybernetics (pp. 3187-3191). New York: IEEE. doi:10.1109/SMC.2015.553. Holland-Moritz, H., Scheeler, S., Stanglmair, C., Pacholski, C., & Ronning, C. (2015). Enhanced sputter yields of ion irradiated Au nano particles: energy and size dependence. Nanotechnology, 26: 325301. doi: 10.1088/0957-4484/26/32/325301. Huang, B., Zhang, K., & Schölkopf, B. (2015). Identification of Time-Dependent Causal Model: A Gaussian Process Treatment. In: Y. Qiang, & W. Michael (Eds.), International 24th Joint Conference on Artificial Intelligence, Machine Learning Track (pp. 3561-3568). Palo Alto, CA, USA: AAAI Press. 18 Dokumentation 2015 II Huang, Y., Schölkopf, B., & Peters, J. (2015). Learning Optimal Striking Points for A Ping-Pong Playing Robot. In: Proceedings IEEE/RSJ International Conference on Intelligent Robots and Systems (pp. 4587-4592). New York: IEEE. doi:10.1109/IROS.2015.7354030. Hug, S., Stegbauer, L., Oh, H., Hirscher, M., & Lotsch, B. V. (2015). Nitrogen-rich covalent triazine frameworks as high-performance platforms for selective carbon capture and storage. Chemistry of Materials, 27(23), 8001-8010. doi:10.1021/acs.chemmater.5b03330. Ibarra Chaoul, A., & Grosse-Wentrup, M. (2015). Is Breathing Rate a Confounding Variable in BrainComputer Interfaces (BCIs) Based on EEG Spectral Power? In: Proceedings of the 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (pp. 1079-1082). New York: IEEE. doi:10.1109/EMBC.2015.7318552. Illg, C., Haag, M., & Fähnle, M. (2015). Ultrafast demagnetization after laser pulse irradiation in Ni: Ab-initio electron-phonon scattering and phase space calculations. In: J.-Y. Bigot, W. Hübner, T. Rasing, & R. Chantrell (Eds.), Ultrafast Magnetism I. Proceedings of the International Conference UMC 2013 (pp. 131-133). Springer Proceedings in Physics, Vol. 159. Cham: Springer. doi: 10.1007/978-3-319-07743-7_42. Illg, C., Haag, M., Müller, B. Y., Czycholl, G., & Fähnle, M. (2015). Transition matrix elements for electron-phonon scattering: Phenomenological theory and ab initio electron theory. Physical Review B, 92(19): 195109. doi:10.1103/PhysRevB.92.195109. Jampani, V., Eslami, S. M. A., Tarlow, D., Kohli, P., & Winn, J. (2015). Consensus Message Passing for Layered Graphical Models. In: G. Lebanon, & S. Vishwanathan (Eds.), Eighteenth International Conference on Artificial Intelligence and Statistics (AISTATS) (pp. 425-433). JMRL: Workshop and Conference Proceedings, Vol. 38. Brookline, MA: Microtome Publishing. Jampani, V., Gadde, R., & Gehler, P. (2015). Efficient Facade Segmentation using Auto-Context. In: Proceedings Winter Conference on Applications of Computer Vision (WACV), 2015 (pp. 1038-1045). New York: IEEE. doi:10.1109/WACV.2015.143. Jampani, V., Nowozin, S., Loper, M., & Gehler, P. (2015). The Informed Sampler: A Discriminative Approach to Bayesian Inference in Generative Computer Vision Models. Computer Vision and Image Understanding, 136, 32-44. doi:10.1016/j.cviu.2015.03.002. Janiesch, J.-W., Weiss, M., Kannenberg, G., Hannabuss, J., Surrey, T., Platzman, I., & Spatz, J. P. (2015). Key factors for stable retention of fluorophores and labeled bio-molecules in droplet-based microfluidics. Analytical Chemistry, 87(4), 2063-2067. doi:10.1021/ac504736e. Janzing, D., & Schölkopf, B. (2015). Semi-Supervised Interpolation in an Anticausal Learning Scenario. Journal of Machine Learning Research, 16, 1923-1948. Jayaram, V., Widmann, N., Förster, C., Fomina, T., Hohmann, M., Müller vom Hagen, J., Synofzik, M., Schölkopf, B., Schöls, L., & Grosse-Wentrup, M. (2015). Brain-Computer Interfacing in Amyotrophic Lateral Sclerosis: Implications of a Resting-State EEG Analysis. In: Proceedings of the 37th IEEE Conference for Engineering in Medicine and Biology (pp. 6979-6982). New York: IEEE. doi:10.1109/EMBC.2015.7319998. Jeong, H.-H., Mark, A. G., Lee, T.-C., Son, K., Chen, W., Alarcón-Correa, M., Kim, I., Schütz, G., & Fischer, P. (2015). Selectable nanopattern arrays for nanolithographic imprint and etch-mask applications. Advanced Science, 2(2): 1500016. doi:10.1002/advs.201500016. 19 II Dokumentation 2015 Jim, M., Hayne, R., & Berenson, D. (2015). Predicting Human Reaching Motion in Collaborative Tasks Using Inverse Optimal Control and Iterative Re-planning. In: Proceedings of the IEEE International Conference on Robotics and Automation (pp. 885-892 ). New York: IEEE. doi:10.1109/ICRA.2015.7139282. Kappler, D., Bohg, J., & Schaal, S. (2015). Leveraging Big Data for Grasp Planning. In: Proceedings of the IEEE International Conference on Robotics and Automation (pp. 4304-4311). New York: IEEE. doi:10.1109/ICRA.2015.7139793. Kappler, D., Pastor, P., Kalakrishnan, M., Wuethrich, M., & Schaal, S. (2015). Data-Driven Online Decision Making for Autonomous Manipulation. In: L. Kavraki, & D. Hsu (Eds.), Proceedings of Robotics: Science and Systems XI. Rome, Italy: R:SS. doi:10.15607/RSS.2015.XI.044. Keskinbora, K., Grévent, C., Hirscher, M., Weigand, M., & Schütz, G. (2015). Single-step 3D nanofabrication of kinoform optics via gray-scale focused ion beam lithography for efficient X-ray focusing. Advanced Optical Materials, 3, 792-800. doi:10.1002/adom.201400411. Keskinbora, K., Sanli, U., Grévent, C., Hirscher, M., & Schütz, G. (2015). Focused ion beam micromachining enables novel optics for X-ray microscopy. Microscopy and Microanalysis, 21(Suppl 3), 1983-1984. doi: 10.1017/S1431927615010697. Keskinbora, K., Sanli, U., Grévent, C., & Schütz, G. (2015). Fabrication and X-ray testing of true kinoform lenses with high efficiencies. Proceedings of SPIE, 9592: 95920H. doi:10.1117/12.2187896. Khalil, I. S., Magdanz, V., Sanchez, S., Schmidt, O. G., & Misra, S. (2015). Precise Localization and Control of Catalytic Janus Micromotors using Weak Magnetic Fields. International Journal of Advanced Robotic Systems, 12: 2. doi:10.5772/58873. Khatami, M., Schmidt-Wilcke, T., Sundgren, P., Abbasloo, A., Schölkopf, B., & Schultz, T. (2015). BundleMAP: Anatomically Localized Features from dMRI for Detection of Disease. In: L. Zhou, L. Wang, Q. Wang, & Y. Shi (Eds.), Proceedings Machine Learning in Medical Imaging (pp. 52-60). Lecture Notes in Computer Science, Vol. 9352. Cham: Springer. doi:10.1007/978-3-319-24888-2_7. Kloutse, A. F., Zacharia, R., Cossement, D., Chahine, R., Balderas-Xicohténcatl, R., Oh, H., Streppel, B., Schlichtenmayer, M., & Hirscher, M. (2015). Isosteric heat of hydrogen adsorption on MOFs: comparison between adsorption calorimetry, sorption isosteric metod, and analytical models. Applied Physics A, 121(4), 1417-1424. doi:10.1007/s00339-015-9484-6. Koc, O., Maeda, G., Neumann, G., & Peters, J. (2015). Optimizing Robot Striking Movement Primitives with Iterative Learning Control. In: Proceedings of 15th IEEE-RAS International Conference on Humanoid Robots (pp. 80-87). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363435. Kong, N., & Black, M. J. (2015). Intrinsic Depth: Improving Depth Transfer with Intrinsic Images. In: Proceedings IEEE International Conference on Computer Vision (ICCV) (pp. 3514-3522). New York: IEEE. doi:10.1109/ICCV.2015.401. Kopp, M., Harmeling, S., Schütz, G., Schölkopf, B., & Fähnle, M. (2015). Towards denoising XMCD movies of fast magnetization dynamics using extended Kalman filter. Ultramicroscopy, 148, 115-122. doi:10.1016/j.ultramic.2014.10.001. 20 Dokumentation 2015 II Kpotufe, S., Urner, R., & Ben-David, S. (2015). Hierarchical Label Queries with Data-Dependent Partitions. In: P. Grünwald, E. Hazan, & S. Kale (Eds.), Proceedings of the 28th Conference on Learning Theory (pp. 1176-1189). JMLR: Workshop and Conference Proceedings, Vol. 40. Brookline, MA, USA: Microtome Publishing. Krannich, S., Sidis, Y., Lamago, D., Heid, R., Mignot, J.-M., von Löhneysen, H., Ivanov, A., Steffens, P., Keller, T., Wang, L., Goering, E., & Weber, F. (2015). Magnetic moments induce strong phonon renormalization in FeSi. Nature Communications, 6: 8961. doi:10.1038/ncomms9961. Kroemer, O., Daniel, C., Neumann, G., van Hoof, H., & Peters, J. (2015). Towards Learning Hierarchical Skills for Multi-Phase Manipulation Tasks. In: IEEE International Conference on Robotics and Automation (pp. 1503-1510). New York: IEEE. doi:10.1109/ICRA.2015.7139389. Küffner, R., Zach, N., Norel, R., Hawe, J., Schoenfeld, D., Wang, L., Li, G., Fang, L., Mackey, L., Hardiman, O., Cudkowicz, M., Sherman, A., Ertaylan, G., Grosse-Wentrup, M., Hothorn, T., van Ligtenberg, J., Macke, J., Meyer, T., Schölkopf, B., Tran, L., Vaughan, R., Stolovitzky, G., & Leitner, M. (2015). Crowdsourced analysis of clinical trial data to predict amyotrophic lateral sclerosis progression. Nature Biotechnology, 33, 51-57. doi:10.1038/nbt.3051. Kuhlmann, M., & Redenbach, C. (2015). Estimation of Fibre Length Distributions from Fibre Endpoints. Scandinavian Journal of Statistics, 42(4), 1110-1022. doi:10.1111/sjos.12148. Kümmel, F., Shabestari, P., Lozano, C., Volpe, G., & Bechinger, C. (2015). Formation, compression and surface melting of colloidal clusters by active particles. Soft Matter, 11, 6187-6191. doi:10.1039/C5SM00827A. Leclere, C., Cornelius, T. W., Ren, Z., Davydok, A., Micha, J.-S., Robach, O., Richter, G., Belliard, L., & Thomas, O. (2015). In situ bending of an Au nanowire monitored by micro Laue diffraction. Journal of Applied Crystallography, 48, 291-296. doi:10.1107/S1600576715001107. Lee, T.-C., Alarcón-Correa, M., Miksch, C., Hahn, K., Gibbs, J. G., & Fischer, P. (2015). SelfPropelling Nanomotors in the Presence of Strong Brownian Forces. Nano Letters, 14(5), 2407-2412. doi:10.1021/nl500068n. Leibfried, F., & Braun, D. (2015). A Reward-Maximizing Spiking Neuron as a Bounded Rational Decision Maker. Neural Computation, 27(8), 1686-1720. doi:10.1162/NECO_a_00758. Leibfried, F., Grau-Moya, J., & Braun, D. (2015). Signaling equilibria in sensorimotor interactions. Cognition, 141, 73-86. doi:10.1016/j.cognition.2015.03.008. Leischnig, S., Luettgen, S., Kroemer, O., & Peters, J. (2015). A Comparison of Contact Distribution Representations for Learning to Predict Object Interactions. In: Proceedings of 15th IEEE-RAS International Conference on Humanoid Robots (pp. 616-622). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363435. Lejcek, P., & Hofmann, S. (2015). Comment on "Mitigating grain growth in binary nanocrystalline alloys through solute selection based on thermodynamic stability maps". Computational Materials Science, 107, 235-237. doi:10.1016/j.commatsci.2015.03.054. Lenz, P., Geiger, A., & Urtasun, R. (2015). FollowMe: Efficient Online Min-Cost Flow Tracking with Bounded Memory and Computation. In: Proceedings IEEE International Conference on Computer Vision (ICCV) (pp. 4364-4372). Los Alamitos, CA, USA: IEEE. doi:10.1109/ICCV.2015.496. 21 II Dokumentation 2015 Leyrer, M., Linkenauger, S., Bülthoff, H., & Mohler, B. (2015). The Importance of Postural Cues for Determining Eye Height in Immersive Virtual Reality. PLoS ONE, 10(5): e0127000. doi:10.1371/journal.pone.0127000. Leyrer, M., Linkenauger, S., Bülthoff, H., & Mohler, B. (2015). Eye Height Manipulations: A Possible Solution to Reduce Underestimation of Egocentric Distances in Head-Mounted Displays. ACM Transactions on Applied Perception, 12(1): 1. doi:10.1145/2699254. Linkenauger, S., Bülthoff, H., & Mohler, B. (2015). Virtual arm's reach influences perceived distances but only after experience reaching. Neuropsychologia, 70, 393–401. doi:10.1016/j.neuropsychologia.2014.10.034. Linkenauger, S., Wong, H., Geuss, M., Stefanucci, J., McCulloch, K., Bülthoff, H., Mohler, B., & Proffitt, D. (2015). The Perceptual Homunculus: The Perception of the Relative Proportions of the Human Body. Journal of Experimental Psychology: General, 144(1), 103-113. doi:10.1037/xge0000028. Lioutikov, R., Neumann, G., Maeda, G., & Peters, J. (2015). Probabilistic Segmentation Applied to an Assembly Task. In: 15th IEEE-RAS International Conference on Humanoid Robots (pp. 533-540). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363584. Liu, J., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2015). In situ reduction and coating of SnS2 nanobelts for free-standing SnS@polypyrrole-nanobelt/carbonnanotube paper electrodes with superior Li-ion storage. Journal of Materials Chemistry A, 3, 5259-5265. doi:10.1039/c5ta00431d. Liu, J., Jian, W., Wang, J. Y., Hofmann, S., & Shimizu, K. (2015). Quantitative reconstruction of the GDOES sputter depth profile of a monomolecular layer structure of thiourea on copper. Applied Surface Science, 331, 140-149. doi:10.1016/j.apsusc.2015.01.065. Loktyushin, A., Nickisch, H., Pohmann, R., & Schölkopf, B. (2015). Blind multirigid retrospective motion correction of MR images. Magnetic Resonance in Medicine, 73(4), 1457–1468. doi:10.1002/mrm.25266. Loktyushin, A., Schuler, C., Scheffler, K., & Schölkopf, B. (2015). Retrospective motion correction of magnitude-input MR images. In: K. K. Bhatia, & H. Lombaert (Eds.), Proceedings Workshop Machine Learning meets Medical Imaging / International Conference on Machine Learning (ICML) 2015, (pp. 3-12). Lecture Notes in Computer Science, Vol. 9487. Cham: Springer. doi:10.1007/978-3319-27929-9_1. Loper, M., Mahmood, N., Romero, J., Pons-Moll, G., & Black, M. J. (2015). SMPL: A Skinned MultiPerson Linear Model. ACM Transactions on Graphics, 34(6): 248. doi:10.1145/2816795.2818013. Lopez-Paz, D., Muandet, K., Schölkopf, B., & Tolstikhin, I. (2015). Towards a Learning Theory of Cause-Effect Inference. In: F. Bach, & D. Blei (Eds.), Proceedings of the 32nd International Conference on Machine Learning (pp. 1452-1461). JMLR: Workshop and Conference Proceeding, Vol. 37. Brookline, MA, USA: Microtome Publishing. Lopez-Paz, D., Muandet, K., & Recht, B. (2015). The Randomized Causation Coefficient. Journal of Machine Learning, 16, 2901-2907. Lozano, C., Zuriguel, I., & Garcimartin, A. (2015). Stability of clogging arches in a silo submitted to vertical vibrations. Physical Review E, 91(6): 062203. doi:10.1103/PhysRevE.91.062203. 22 Dokumentation 2015 II Lozano, C., Zuriguel, I., Garcimartin, A., & Mullin, T. (2015). Granular Segregation Driven by Particle Interactions. Physical Review Letters, 114(17): 178002. doi:10.1103/PhysRevLett.114.178002. Lum, G. Z., Teo, T. J., Yeo, S. H., Yang, G., & Sitti, M. (2015). Structural optimization for flexurebased parallel mechanisms – Towards achieving optimal dynamic and stiffness properties. Precision Engineering, 42, 195-207. doi:10.1016/j.precisioneng.2015.04.017. Ma, X., Hahn, K., & Sanchez, S. (2015). Catalytic Mesoporous Janus Nanomotors for Active Cargo Delivery. Journal of the American Chemical Society, 137(15), 4976-4979. doi:10.1021/jacs.5b02700. Ma, X., & Sanchez, S. (2015). A bio-catalytically driven Janus mesoporous silica cluster motor with magnetic guidance. Chemical Communications, 51(25), 5467-5470. doi:10.1039/C4CC08285K. Macholdt, D. S., Jochum, K. P., Pöhlker, C., Stoll, B., Weis, U., Weber, B., Müller, M., Kappl, M., Buhre, S., Kilcoyne, A. L. D., Weigand, M., Scholz, D., Al-Amri, A. M., & Andreae, M. O. (2015). Microanalytical methods for in-situ high-resolution analysis of rock varnish at the micrometer to nanometer scale. Chemical Geology, 411, 57-68. doi:10.1016/j.chemgeo.2015.06.023. Maciolek, A., Vasilyev, O., Dotsenko, V., & Dietrich, S. (2015). Critical Casimir forces in the presence of random surface fields. Physical Review E, 91(3): 032408. doi:10.1103/PhysRevE.91.032408. Maertens, M., Wichmann, F., & Shapley, R. (2015). Context affects lightness at the level of surfaces. Journal of Vision, 15 (1):15. doi:10.1167/15.1.15. Magdanz, V., Koch, B., Sanchez, S., & Schmidt, O. G. (2015). Sperm Dynamics in Tubular Confinement. Small, 11(7), 781-785. doi:10.1002/smll.201401881. Magdysyuk, O. V., Denysenko, D., Weinrauch, I., Volkmer, D., Hirscher, M., & Dinnebier, R. E. (2015). Formation of a quasi-solid structure by intercalated noble gas atoms in pores of CuI-MFU-4l metal-organic framework. Chemical Communications, 51(4), 714-717. doi:10.1039/C4CC07554D. Mahsereci, M., & Hennig, P. (2015). Probabilistic Line Searches for Stochastic Optimization. In: C. Cortes, N. Lawrence, D. Lee, M. Sugiyama, & R. Garnett (Eds.), Proceedings of the Neural Information Processing Systems Conference (NIPS) 2015 (pp. 181-189). New York: Curran Associates. Maier, T., & Haraszti, T. (2015). Reversibility and Viscoelastic Properties of Micropillar Supported and Oriented Magnesium Bundled F-Actin. PLoS One, 10(8): e0136432. doi:10.1371/journal.pone.0136432. Majer, G., & Zick, K. (2015). Accurate and absolute diffusion measurements of Rhodamine 6G in low-concentration aqueous solutions by the PGSE-WATERGATE sequence. The Journal of Chemical Physics, 142: 164202. doi:10.1063/1.4919054. Manschitz, S., Kober, J., Gienger, M., & Peters, J. (2015). Probabilistic Progress Prediction and Sequencing of Concurrent Movement Primitives. In: Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (pp. 449-455). New York: IEEE. doi:10.1109/IROS.2015.7353411. Manschitz, S., Kober, O., Gienger, M., & Peters, J. (2015). Learning Movement Primitive Attractor Goals and Sequential Skills from Kinesthetic Demonstrations. Robotics and Autonomous Systems, 74, Part A, 97-107. doi:10.1016/j.robot.2015.07.005. 23 II Dokumentation 2015 Marco Valle, A., Hennig, P., Bohg, J., Schaal, S., & Trimpe, S. (2015). Automatic LQR Tuning Based on Gaussian Process Optimization: Early Experimental Results. In: Machine Learning in Planning and Control of Robot Motion; Workshop at IROS 2015, Hamburg, Germany. Marconi, U., Malgaretti, P., & Pagonabarraga, I. (2015). Tracer diffusion of hard-sphere binary mixtures under nano-confinement. The Journal of Chemical Physics, 143(18): 184501. doi:10.1063/1.4934994. Mariti, C., Muscolo, G., Peters, J., Puig, D., Recchiuto, C., Sighieri, C., Solanas, A., & von Stryk, O. (2015). Developing biorobotics for veterinary research into cat movements. Journal of Veterinary Behavior, 10(3), 248-254. doi:10.1016/j.jveb.2014.12.010. Martinez, A., Hermosillo, L., Tasinkevych, M., & Smalyukh, I. I. (2015). Linked topological colloids in a nematic host. Proceedings of the National Academy of Sciences of the United States of America, 112(15), 4546-4551. doi:10.1073/pnas.1500998112. Marvi, H., Han, Y., & Sitti, M. (2015). Actively controlled fibrillar friction surfaces. Applied Physics Letters, 106: 051602. doi:10.1063/1.4907255. Marvi, H., Song, S., & Sitti, M. (2015). Experimental investigation of optimal adhesion of mushroomlike elastomer microfibrillar adhesives. Langmuir, 31(37), 10119-10124. doi:10.1021/acs.langmuir.5b02415. Masina, C., Neethling, J., Olivier, E., Manzini, S., Lodya, L., Srot, V., & van Aken, P. A. (2015). Structural and magnetic properties of ferrihydrite nanoparticles. RSC Advances, 5, 39643-39650. doi:10.1039/c5ra06936j. Mastrangeli, M. (2015). The fluid joint: the soft spot of micro- and nanosystems. Advanced Materials, 27(29), 4254-4272. doi:10.1002/adma.201501260. Melchior, P., Suchyta, E., Huff, E., Hirsch, M., Kacprzak, T., Rykoff, E., Gruen, Armstrong, R., Bacon, D., Bechtol, K., & others (2015). Mass and galaxy distributions of four massive galaxy clusters from Dark Energy Survey Science Verification data. Monthly Notices of the Royal Astronomical Society, 449(3), 2219-2238. doi:10.1093/mnras/stv398. Mendes, R. G., Koch, B., Bachmatiuk, A., Ma, X., Sanchez, S., Damm, C., Schmidt, O. G., Gemming, T., Eckert, J., & Rümmeli, M. H. (2015). A size dependent evaluation of the cytotoxicity and uptake of nanographene oxide. Journal of Materials Chemistry B, 3(12), 2522-2529. doi:10.1039/C5TB00180C. Menze, M., Heipke, C., & Geiger, A. (2015). Discrete Optimization for Optical Flow. In: J. Gall, P. Gehler, & B. Leibe (Eds.), Pattern Recognition - Proceedings 37th German Conference, GCPR 2015, Aachen, Germany (pp. 16-28). Lecture Notes in Computer Science, Vol. 9358. Cham: Springer. doi:10.1007/978-3-319-24947-6_2. Menze, M., & Geiger, A. (2015). Object Scene Flow for Autonomous Vehicles. In: IEEE Conf. on Computer Vision and Pattern Recognition (CVPR) 2015 (pp. 3061-3070). New York: IEEE. doi:10.1109/CVPR.2015.7298925. Menze, M., Heipke, C., & Geiger, A. (2015). Joint 3D Estimation of Vehicles and Scene Flow. In: ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, II-3/W5, 427-434. ISPRS: Hannover. doi:10.5194/isprsannals-II-3-W5-427-2015. 24 Dokumentation 2015 II Migliorini, E., Thakar, D., Kühnle, J., Sadir, R., Dyer, D., Li, Y., Sun, C., Volkman, B. F., Handel, T. M., Coche-Guerente, L., Fernig, D. G., Lortat-Jacob, H., & Richter, R. P. (2015). Cytokines and growth factors cross-link heparan sulfate. Open Biology, 5: 150046. doi:10.1098/rsob.150046. Mikhailov, E. F., Mironov, G. N., Pöhlker, C., Chi, X., Krüger, M., Shiraiwa, M., Förster, J.-D., Pöschl, U., Vlasenko, S. S., Ryshkevich, T. I., Weigand, M., Kilcoyne, A. L. D., & Andreae, M. (2015). Chemical composition, microstructure, and hygroscopic properties of aerosol particles at the Zotino Tall Tower Observatory (ZOTTO), Siberia, during a summer campaign. Atmospheric Chemistry and Physics, 15(15), 8847-8869. doi:10.5194/acp-15-8847-2015. Mirkes, C., Hoffmann, J., Shajan, G., Pohmann, R., & Scheffler, K. (2015). High-resolution quantitative sodium imaging at 9.4 tesla. Magnetic Resonance in Medicine, 73(1), 342–351. doi:10.1002/mrm.25096. Mohler, B. (2015). Space and Body Perception. CIN JRG Selection Symposium, Tübingen, Germany. Mohler, B. (2015). Virtual Reality and Spatial/Body Perception. TEDx Jacobs University, Bremen, Germany. Mohler, B. (2015). Virtual Reality Improving Passenger Comfort by Changing the Perception of Self and Space. Passenger Experience Conference (PEX 2015), Hamburg, Germany. Muehlebach, M., & Trimpe, S. (2015). Guaranteed H2 Performance in Distributed Event-Based State Estimation. In: Proceedings of the First International Conference on Event-based Control, Communication, and Signal Processing. New York: IEEE. doi:10.1109/EBCCSP.2015.7300690. Napiorkowski, M., & Dietrich, S. (2015). Wetting Transitions in Terms of Effective Potentials. Physical Review Letters, 114(3): 039601. doi:10.1103/PhysRevLett.114.039601. Navaro, Y., Bleich-Kimelman, N., Hazanov, L., Mironi-Harpaz, I., Schachaf, Y., Garty, S., Smith, Y., Pelled, G., Gazit, D., Seliktar, D., & Gazit, Z. (2015). Matrix stiffness determines the fate of nucleus pulposus-derived stem cells. Biomaterials, 49, 68-76. doi:10.1016/j.biomaterials.2015.01.021. Noske, M., Stoll, H., Fähnle, M., Hertel, R., & Schütz, G. (2015). Mechanisms for the symmetric and antisymmetric switching of a magnetic vortex core: Differences and common aspects. Physical Review B, 91(1): 014414. doi:10.1103/PhysRevB.91.014414. Ohmer, N., Fenk, B., Samuelis, D., Chen, C.-C., Maier, J., Weigand, M., Goering, E., & Schütz, G. (2015). Phase evolution in single-crystalline LiFePO4 followed by in situ scanning X-ray microscopy of a micrometre-sized battery. Nature Communications, 6: 6045. doi:10.1038/ncomms7045. Ortega, P. A., & Braun, D. A. (2015). What is epistemic value in free energy models of learning and acting? A bounded rationality perspective. Cognitive Neuroscience, 6(4), 215-216. doi:10.1080/17588928.2015.1051525. Osypova, A., Thakar, D., Dejeu, J., Bonnet, H., van der Heyden, A., Dubacheva, G. V., Richter, R. P., Defrancq, E., Spinelli, N., Coche-Guerente, L., & Labbe, P. (2015). Sensor Based on Aptamer Folding to Detect Low-Molecular Weight Analytes. Analytical Chemistry, 87(15), 7566-7574. doi:10.1021/acs.analchem.5b01736. Pacholski, C. (2015). Two-Dimensional Arrays of Poly(N-Isopropylacrylamide) Microspheres: Formation, Characterization and Application. Zeitschrift für Physikalische Chemie, 229(1-2), 283-300. doi:10.1515/zpch-2014-0605. 25 II Dokumentation 2015 Paraschos, A., Rueckert, E., Peters, J., & Neumann, G. (2015). Model-Free Probabilistic Movement Primitives for Physical Interaction. In: Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (pp. 2860-2866). New York: IEEE. doi:10.1109/IROS.2015.7353771. Parisen Toldin, F., Tröndle, M., & Dietrich, S. (2015). Line contribution to the critical Casimir force between a homogeneous and a chemically stepped surface. Journal of Physics: Condensed Matter, 27(21): 214010. doi:10.1088/0953-8984/27/21/214010. Parisi, S., Abdulsamad, H., Paraschos, A., Daniel, C., & Peters, J. (2015). Reinforcement Learning vs Human Programming in Tetherball Robot Games. In: Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (pp. 6428-6434). New York: IEEE. doi:10.1109/IROS.2015.7354296. Parmar, J., Jang, S., Soler, L., Kim, D.-P., & Sánchez, S. (2015). Nano-photocatalysts in microfluidics, energy conversion and environmental applications. Lab on a Chip, 15(11), 2352-2356. doi:10.1039/C5LC90047F. Parmar, J., Ma, X., Katuri, J., Simmchen, J., Stanton, M., Trichet-Paredes, C., Soler, L., & Sanchez, S. (2015). Nano and micro architectures for self-propelled motors. Science and Technology of Advanced Materials, 16: 014802. doi:10.1088/1468-6996/16/1/014802. Parolini, L., Cicuta, A. D. P., Law, A. D., Maestro, A., & Buzza, M. A. (2015). Interaction between colloidal particles on an oil–water interface in dilute and dense phases. Journal of Physics: Condensed Matter, 27(19): 194119. doi:10.1088/0953-8984/27/19/194119. Peng, Z., & Braun, D. A. (2015). Developing neural networks with neurons competing for survival. In: Proceedings Joint IEEE International Conference on Development and Learning and Epigenetic Robotics (ICDL-EpiRob), 2015 (pp. 152-153). Piscataway, NJ, USA: IEEE. doi: 10.1109/DEVLRN.2015.7346133. Peng, Z., & Braun, D. (2015). Entropic Movement Complexity Reflects Subjective Creativity Rankings of Visualized Hand Motion Trajectories. Frontiers in Psychology, 6: 1879. doi:10.3389/fpsyg.2015.01879. Pepik, B., Stark, M., Gehler, P., Ritschel, T., & Schiele, B. (2015). 3D Object Class Detection in the Wild. In: Conference on Computer Vision and Pattern Recognition Workshops (CVPRW) (pp. 1-10). New York: IEEE. doi:10.1109/CVPRW.2015.7301358. Pepik, B., Stark, M., Gehler, P., & Schiele, B. (2015). Multi-view and 3D Deformable Part Models. IEEE Transactions on Pattern Analysis and Machine Intelligence, 37(11), 2232-2245. doi:10.1109/TPAMI.2015.2408347. Peters, J., & Bühlmann, P. (2015). Structural Intervention Distance (SID) for Evaluating Causal Graphs. Neural computation, 27(3), 771-799. doi:10.1162/NECO_a_00708. Peters, J. (2015). On the Intersection Property of Conditional Independence and its Application to Causal Discovery. Journal of Causal Inference, 3(1), 97-108. doi:10.1515/jci-2014-0015. Pons-Moll, G., Taylor, J., Shotton, J., Hertzmann, A., & Fitzgibbon, A. (2015). Metric Regression Forests for Correspondence Estimation. International Journal of Computer Vision, 113(3), 163-175. doi:10.1007/s11263-015-0818-9. Pons-Moll, G., Romero, J., Mahmood, N., & Black, M. J. (2015). Dyna: a Model of Dynamic Human Shape in Motion. ACM Transactions on Graphics, 34(4): 120. doi:10.1145/2766993. 26 Dokumentation 2015 II Qin, Q., Yin, S., Cheng, G., Li, X., Chang, T.-H., Richter, G., Zhu, Y., & Gao, H. (2015). Recoverable plasticity in penta-twinned metallic nanowires governed by dislocation nucleation and retraction. Nature Communications, 6: 5983. doi:10.1038/ncomms6983. Qu, F., Li, C., Wang, Z., Wen, Y., Richter, G., & Strunk, H. P. (2015). Eutectic nano-droplet template injection into bulk silicon to construct porous frameworks with concomitant conformal coating as anodes for li-ion batteries. Scientific Reports, 5: 10381. doi:10.1038/srep10381. Rajabi, H., Darvizeh, A., Shafiei, A., Taylor, D., & Dirks, J.-H. (2015). Numerical investigation of insect wing fracture behaviour. Journal of Biomechanics, 48, 89-94. doi:10.1016/j.jbiomech.2014.10.037. Ramirez-Villegas, J. F., Logothetis, N. K., & Besserve, M. (2015). Diversity of sharp wave-ripple LFP signatures reveals differentiated brain-wide dynamical events. Proceedings of the National Academy of Sciences of the United States of America, 112(46), E6379-E6387. doi:10.1073/pnas.1518257112. Rao, S., Rhensius, J., Bisig, A., Mawass, M.-A., Weigand, M., Kläui, M., Bhatia, C. S., & Yang, H. (2015). Time-resolved imaging of pulse-induced magnetization reversal with a microwave assist field. Scientific Reports, 5: 10695. doi:10.1038/srep10695. Raoufi, M., Das, T., Schoen, I., Vogel, V., Brüggemann, D., & Spatz, J. P. (2015). Nanopore Diameters Tune Strain in Extruded Fibronectin Fibers. Nano Letters, 15(10), 6357-6364. doi:10.1021/acs.nanolett.5b01356. Ratliff, N., Toussaint, M., & Schaal, S. (2015). Understanding the Geometry of Workspace Obstacles in Motion Optimization. In: Proceedings of the IEEE International Conference on Robotics and Automation (pp. 4202-4209 ). New York: IEEE. doi:10.1109/ICRA.2015.7139778. Rauhöft, G., Leyrer, M., Thompson, W., Klatzky, R., Stefanucci, J., & Mohler, B. (2015). Evoking and Assessing Vastness in Virtual Environments. In: Trutoiu, L., M. Geuss, S. Kull, B. Sanders, & R. Mantiuk (Eds.), ACM SIGGRAPH Symposium on Applied Perception (SAP '15) (pp. 51-54). New York, NY, USA: ACM Press. Reindl, A., Bier, M., & Dietrich, S. (2015). Implications of interface conventions for morphometric thermodynamics. Physical Review E, 91(2): 022406. doi:10.1103/PhysRevE.91.022406. Ried, K., Agnew, M., Vermeyden, L., Janzing, D., Spekkens, R. W., & Resch, K. J. (2015). A quantum advantage for inferring causal structure. Nature Physics, 11(5), 414-420. doi:10.1038/nphys3266. Righetti, L., Nylen, A., Rosander, K., & Ijspeert, A. (2015). Kinematic and gait similarities between crawling human infants and other quadruped mammals. Frontiers in Neurology, 6: 17. doi:10.3389/fneur.2015.00017. Rohwer, C. M., Angeletti, F., & Touchette, H. (2015). Convergence of large-deviation estimators. Physical Review E, 92(5): 052104. doi:10.1103/PhysRevE.92.052104. Rohwer, C. M., & Müller-Nedebock, K. K. (2015). Operator Formalism for Topology-Conserving Crossing Dynamics in Planar Knot Diagrams. Journal of Statistical Physics, 159(1), 120-157. doi:10.1007/s10955-014-1161-1. Romero, J., Loper, M., & Black, M. J. (2015). FlowCap: 2D Human Pose from Optical Flow. In: Pattern Recognition - Proceedings 37th German Conference on Pattern Recognition (GCPR), Aachen, 27 II Dokumentation 2015 Germany (pp. 412-423). Lecture Notes in Computer Science, Vol. 9358. Cham: Springer. doi:10.1007/978-3-319-24947-6_34. Rotella, N., Herzog, A., Schaal, S., & Righetti, L. (2015). Humanoid Momentum Estimation Using Sensed Contact Wrenches. In: Proceedings of the 2015 IEEE-RAS International Conference on Humanoid Robots (pp. 556-563 ). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363417. Rothenhäusler, D., Heinze, C., Peters, J., & Meinshausen, N. (2015). BACKSHIFT: Learning causal cyclic graphs from unknown shift interventions. In: C. Cortes, N. Lawrence, D. Lee, M. Sugiyama, & R. Garnett (Eds.), Advances in Neural Information Processing Systems 28 (pp. 1513-1521). New York: Curran Associates. Rueckert, E., Mundo, J., Paraschos, A., Peters, J., & Neumann, G. (2015). Extracting LowDimensional Control Variables for Movement Primitives. In: Proceedings IEEE International Conference on Robotics and Automation (pp. 1511-1518). New York: IEEE. doi:10.1109/ICRA.2015.7139390. Ruoß, S., Stahl, C., Weigand, M., Schütz, G., & Albrecht, J. (2015). High-resolution dichroic imaging of magnetic flux distributions in superconductors with scanning x-ray microscopy. Applied Physics Letters, 106: 022601. doi:10.1063/1.4905658. Sánchez, S. (2015). Lab-in-a-tube systems as ultra-compact devices. Lab chip, 15(3), 610-613. doi:10.1039/C4LC90121E. Sánchez, S., Soler, L., & Katuri, J. (2015). Chemically Powered Micro and Nanomotors. Angewandte Chemie International Edition, 54(5), 1414-1444. doi: 10.1002/anie.201406096. Sankaran, B., Bohg, J., Ratliff, N., & Schaal, S. (2015). Policy Learning with Hypothesis Based Local Action Selection. In: Proceedings Reinforcement Learning and Decision Making (pp. 94-97). Virginia, USA: National Science Foundation. Sanli, U., Keskinbora, K., Grévent, C., & Schütz, G. (2015). Overview of the multilayer-Fresnel zone plate and the kinoform lens development at MPI for Intelligent Systems. Proceedings of SPIE, 9510: 95100U. doi:10.1117/12.2186321. Sanli, U., Keskinbora, K., Grévent, C., Szeghalmi, A., Knez, M., & Schütz, G. (2015). Multilayer Fresnel zone plates for X-ray microscopy. Microscopy and Microanalysis, 21(Suppl 3), 1987-1988. doi:10.1017/S1431927615010715. Sanli, U., Keskinbora, K., Gregorczyk, K., Leister, J., Teeny, N., Grévent, C., Knez, M., & Schütz, G. (2015). High resolution, high efficiency mulitlayer Fresnel zone plates for soft and hard X-rays. Proceedings of SPIE, 9592: 95920F. doi:10.1117/12.2187795. Sariola, V., Pena-Francesch, A., Jung, H., Cetinkaya, M., Pacheco, C., Sitti, M., & Demirel, M. C. (2015). Segmented molecular design of self-healing proteinaceous materials. Scientific Reports, 5: 13482. doi:10.1038/srep13482. Sauter, A., Mc Duffie, Y., Böhm, H., Martinez, A., Spatz, J. P., & Appel, S. (2015). Surface-Mediated Priming During In Vitro Generation of Monocyte-Derived Dendritic Cells. Scandinavian Journal of Immunology, 81(1), 56-65. doi:10.1111/sji.12246. 28 Dokumentation 2015 II Savchenko, I., Mavrandonakis, A., Heine, T., Oh, H., Teufel, J., & Hirscher, M. (2015). Hydrogen isotope separation in metal-organic frameworks: Kinetic or chemical affinity quantum-sieving? Microporous and Mesoporous Materials, 216, 133-137. doi:10.1016/j.micromeso.2015.03.017. Schirmacher, W., Fuchs, B., Höfling, F., & Franosch, T. (2015). Anomalous Magnetotransport in Disordered Structures: Classical Edge-State Percolation. Physical Review Letters, 115: 240602. doi:10.1103/PhysRevLett.115.240602. Schmidt, M., Gräfe, J., Audehm, P., Phillipp, F., Schütz, G., & Goering, E. (2015). Preparation and characterisation of epitaxial Pt/Cu/FeMn/Co thin films on (100)-oriented MgO single crystals. Physica Status Solidi A, 212(10), 2114-2123. doi:10.1002/pssa.201431787. Schnyder, S. K., Spanner, M., Höfling, F., Franosch, T., & Horbach, J. (2015). Rounding of the localization transition in model porous media. Soft Matter, 11, 701-711. doi:10.1039/C4SM02334J. Schölkopf, B., Hogg, D., Wang, D., Foreman-Mackey, D., Janzing, D., Simon-Gabriel, C.-J., & Peters, J. (2015). Removing systematic errors for exoplanet search via latent causes. In: F. Bach, & D. Blei (Eds.), Proceedings of The 32nd International Conference on Machine Learning (pp. 2218-2226). JMLR: Workshop and Conference Proceedings, Vol. 37. Brookline, MA, USA: Microtome Publishing. Schölkopf, B., Muandet, K., Fukumizu, K., Harmeling, S., & Peters, J. (2015). Computing Functions of Random Variables via Reproducing Kernel Hilbert Space Representations. Statistics and Computing, 25(4), 755-766. doi:10.1007/s11222-015-9558-5. Schölkopf, B. (2015). Artificial intelligence: Learning to see and act. Nature, 518(7540), 486-487. doi:10.1038/518486a. Scholz, C., Wirner, F., Klatt, M. A., Hirneise, D., Schröder-Turk, G. E., Mecke, K., & Bechinger, C. (2015). Direct relations between morphology and transport in Boolean models. Physical Review E, 92 (4): 043023. doi:10.1103/PhysRevE.92.043023. Schubert, I., Sigle, W., van Aken, P. A., Trautmann, C., & Toimil-Molares, M. E. (2015). STEMEELS analysis of multipole surface plasmon modes in symmetry-broken AuAg nanowire dimers. Nanoscale, 7, 4935-4941. doi:10.1039/c4nr06578f. Schuler, C. J., Hirsch, M., Harmeling, S., & Schölkopf, B. (2015). Learning to Deblur. IEEE Transactions on Pattern Analysis and Machine Intelligence, 38(7), 1439-1451. doi:10.1109/TPAMI.2015.2481418. Schwab, E., Pohl, T. M. L., Haraszti, T., Schwaerzer, G. K., Hiepen, C., Spatz, J. P., & CavalcantiAdam, E. A. (2015). Nanoscale Control of Surface Immobilized BMP-2: Toward a Quantitative Assessment of BMP-Mediated Signaling Events. Nano Letters, 15(3), 1526-1534. doi: 10.1021/acs.nanolett.5b00315. Senyuk, B., Pandey, M., Liu, Q., Tasinkevych, M., & Smalyukh, I. I. (2015). Colloidal spirals in nematic liquid crystals. Soft Matter, 11, 8758-8767. doi:10.1039/c5sm01539a. Seo, K. D., Kwak, B. K., Sanchez, S., & Kim, D. S. (2015). Microfluidic-Assisted Fabrication of Flexible and Location Traceable Organo-Motor. IEEE Transactions on Nanobioscience, 14(3), 298304. doi:10.1109/TNB.2015.2402651. 29 II Dokumentation 2015 Sevilla-Lara, L., Wulff, J., Sunkavalli, K., & Shechtman, E. (2015). Smooth Loops from Unconstrained Video. Computer Graphics Forum, 34(4), 99-107. doi:10.1111/cgf.12682. Sgouritsa, E., Janzing, D., Hennig, P., & Schoelkopf, B. (2015). Inference of Cause and Effect with Unsupervised Inverse Regression. In: Proceedings of the 18th International Conference on Artificial Intelligence and Statistics (pp. 847-855). JMLR: Workshop and Conference Proceedings, Vol. 38. Brookline, MA, USA: Microtome Publishing. Shajarisales, N., Janzing, D., Schölkopf, B., & Besserve, M. (2015). Telling cause from effect in deterministic linear dynamical systems. In: F. Bach, & D. Blei (Eds.), Proceedings of the 32nd International Conference on Machine Learning (pp. 285-294). JMLR: Workshop and Conference Proceedings, Vol. 37. Brookline, MA, USA: Microtome Publishing. Singh, D. P., Kumar, S., & Singh, J. P. (2015). Morphology dependent surface enhanced fluorescence study on silver nanorod arrays fabricated by glancing angle deposition. RSC Advances, 5(40), 3134131346. doi:10.1039/c5ra03225c. Singh, S. L., Schimmele, L., & Dietrich, S. (2015). Structures of simple liquids in contact with nanosculptured surfaces. Physical Review E, 91(3): 032405. doi:10.1103/PhysRevE.91.032405. Sippel, S., Zscheischler, J., Heimann, M., Otto, F. E. L., Peters, J., & Mahecha, M. D. (2015). Quantifying changes in climate variability and extremes: Pitfalls and their overcoming. Geophysical Research Letters, 42(22), 9990-9998. doi:10.1002/2015GL066307. Sitti, M., Ceylan, H., Hu, W., Giltinan, J., Turan, M., Yim, S., & Diller, E. (2015). Biomedical applications of untethered mobile milli/microrobots. Proceedings of the IEEE, 103(2), 205-224. doi:10.1109/JPROC.2014.2385105. Soltan, S., Albrecht, J., Goering, E., Schütz, G., Mustafa, L., Keimer, B., & Habermeier, H.-U. (2015). Preparation of a ferromagnetic barrier in YBa2Cu3O7-delta thinner than the coherence length. Journal of Applied Physics, 118(22): 223902. doi:10.1063/1.4937404. Song, H., Liu, W., Ruan, D., Pohmann, R., Stenger, V., Fernandez-Seara, M., Jung, S., & Gach, H. (2015). Free-breathing perfusion MRI using multislice pCASL. In: 12th IEEE International Symposium on Biomedical Imaging (pp. 1474-1477). Piscataway, NJ, USA: IEEE. Song, J., Shawky, J. H., Kim, Y., Hazar, M., LeDuc, P. R., Sitti, M., & Davidson, L. A. (2015). Controlled surface topography regulates collective 3D migration by epithelialemesenchymal composite embryonic tissues. Biomaterials, 58, 1-9. doi:10.1016/j.biomaterials.2015.04.021. Soyka, F., Kokkinara, E., Leyrer, M., Bülthoff, H., Slater, M., & Mohler, B. (2015). Turbulent Motions Cannot Shake VR. In: Höllerer, T., V. Interrante, A. Lecuyer, & J. S. II (Eds.), IEEE Virtual Reality (VR 2015) (pp. 33-40). Piscataway, NJ, USA: IEEE. Sra, S., Hosseini, R., Theis, L., & Bethge, M. (2015). Data modeling with the elliptical gamma distribution. In: G. Lebanon S.V.N. Vishwanathan (Ed.), 18th International Conference on Artificial Intelligence and Statistics (pp. 903–911). JMLR: Workshop and Conference Proceedings, Vol. 38. Madison, WI, USA: International Machine Learning Society. Stahl, C., Ruoß, S., Weigand, M., Bechtel, M., Schütz, G., & Albrecht, J. (2015). Low temperature Xray imaging of magnetic flux patterns in high temperature superconductors. Journal of Applied Physics, 117(17): 17D109. doi:10.1063/1.4907764. 30 Dokumentation 2015 II Steiger, J., Richter, G., Wenk, M., Kramer, D., & Mönig, R. (2015). Comparison of the growth of lithium filaments and dendrites under different conditions. Electrochemistry Communications, 50, 1114. doi:10.1016/j.elecom.2014.11.002. Stoll, H., Noske, M., Weigand, M., Richter, K., Krüger, B., Reeve, R. M., Hänze, M., Adolff, C. F., Stein, F.-U., Meier, G., Kläui, M., & Schütz, G. (2015). Imaging spin dynamics on the nanoscale using X-ray microscopy. Frontiers in Physics, 3: 26. doi:10.3389/fphy.2015.00026. Straumal, B. B., Mazilkin, A. A., Protasova, S. G., Stakhanova, S. V., Straumal, P. B., Bulatov, M. F., Schütz, G., Tietze, T., Goering, E., & Baretzky, B. (2015). Grain boundaries as a source of ferromagnetism and increased solubility of Ni in nanograined ZnO. Reviews on Advanced Materials Science, 41, 61-71. Stubenrauch, C., König, R., Schlick, C., & Sigle, W. (2015). Nanoparticles via Oil-in-Water Microemulsions: a Solvent-Reduced, Energy-Efficient Approach. Zeitschrift für Physikalische Chemie, 229(7-8), 1041-1054. doi:10.1515/zpch-2014-0548. Su, Z., Hausman, K., Chebotar, Y., Molchanov, A., Loeb, G. E., Sukhatme, G. S., & Schaal, S. (2015). Force estimation and slip detection/classification for grip control using a biomimetic tactile sensor. In: Proceedings of IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids) (pp. 297303). New York: IEEE. doi:10.1109/HUMANOIDS.2015.7363558. Subburaj, Y. D., Cosentino, K., Axmann, M., Pedruezza-Villalmanzo, E., Hermann, E., Bleicken, S., Spatz, J. P., & García-Sáez, A. J. (2015). Bax monomers form dimer units in the membrane that further self-assemble into multiple oligomeric species. Nature Communications, 6: 8042. doi:10.1038/ncomms9042. Sugihara, K., Rustom, A., & Spatz, J. P. (2015). Freely drawn single lipid nanotube patterns. Soft Matter, 11, 2029-2035. doi:10.1039/C5SM00043B. Szalai, I., Nagy, S., & Dietrich, S. (2015). Linear and nonlinear magnetic properties of ferrofluids. Physical Review E, 92(4): 042314. doi:10.1103/PhysRevE.92.042314. ten Hagen, B., Wittkowski, R., Takagi, D., Kümmel, F., Bechinger, C., & Löwen, H. (2015). Can the self-propulsion of anisotropic microswimmers be described by using forces and torques? Journal of Physics: Condensed Matter, 27(19): 194110. doi:10.1088/0953-8984/27/19/194110. Tietze, T., Audehm, P., Chen, Y.-C., Schütz, G., Straumal, B. B., Protasova, S. G., Mazilkin, A. A., Straumal, P. B., Prokscha, T., Luetkens, H., Salman, Z., Suter, A., Baretzky, B., Fink, K., Wenzel, W., Danilov, D., & Goering, E. (2015). Interfacial dominated ferromagnetism in nanograined ZnO: a μSR and DFT study. Scientific Reports, 5, 8871-8876. doi:10.1038/srep08871. Tolstikhin, I., Zhivotovskiy, N., & Blanchard, G. (2015). Permutational Rademacher Complexity: a New Complexity Measure for Transductive Learning. In: K. Chaudhuri, C. Gentile, & S. Zilles (Eds.), Proceedings of the 26th International Conference on Algorithmic Learning Theory (pp. 209-223). Lecture Notes in Computer Science, Vol. 9355. Cham: Springer. doi:10.1007/978-3-319-24486-0_14. Trimpe, S., & Buchli, J. (2015). Event-based Estimation and Control for Remote Robot Operation with Reduced Communication. In: Proceedings of the IEEE International Conference on Robotics and Automation (pp. 5018-5025 ). New York: IEEE. doi:10.1109/ICRA.2015.7139897. 31 II Dokumentation 2015 Trimpe, S., & Campi, M. (2015). On the Choice of the Event Trigger in Event-based Estimation. In: Proceedings of the First International Conference on Event-based Control, Communication, and Signal Processing (EBCCSP) (pp. 1-8). New York: IEEE. doi:10.1109/EBCCSP.2015.7300691. Troendle, M., Harnau, L., & Dietrich, S. (2015). Critical Casimir forces between planar and crenellated surfaces. Journal of Physics: Condensed Matter, 27(21): 214006. doi:10.1088/09538984/27/21/214006. Tzionas, D., & Gall, J. (2015). 3D Object Reconstruction from Hand-Object Interactions. In: Proceedings International Conference on Computer Vision (ICCV) (pp. 729-737 ). New York: IEEE. doi:10.1109/ICCV.2015.90. Ulusoy, O., Geiger, A., & Black, M. J. (2015). Towards Probabilistic Volumetric Reconstruction using Ray Potentials. In: Proceedings 3rd International Conference on 3D Vision (3DV), 2015 (pp. 10-18). New York: IEEE. doi:10.1109/3DV.2015.9. Unsay, J., Cosentino, K., & García-Sáez, A. J. (2015). Atomic Force Microscopy Imaging and Force Spectroscopy of Supported Lipid Bilayers. Journal of visualized experiments, 101: e52867. doi:10.3791/2867. Uspal, W. E., Popescu, M. N., Dietrich, S., & Tasinkevych, M. (2015). Self-propulsion of a catalytically active particle near a planar wall: from reflection to sliding and hovering. Soft Matter, 11(3), 434-438. doi:10.1039/c4sm02317j. Uspal, W. E., Popescu, M. N., Dietrich, S., & Tasinkevych, M. (2015). Rheotaxis of spherical active particles near a planar wall. Soft Matter, 11(33), 6613-6632. doi:10.1039/C5SM01088H. Valchev, G., & Dantchev, D. M. (2015). Critical and near-critical phase behavior and interplay between the thermodynamic Casimir and van der Waals forces in a confined nonpolar fluid medium with competing surface and substrate potentials. Physical Review E, 92(1): 012119. doi:10.1103/PhysRevE.92.012119. van Hoof, H., Peters, J., & Neumann, G. (2015). Learning of Non-Parametric Control Policies with High-Dimensional State Features. In: G. Lebanon, & S. Vishwanathan (Eds.), Proceedings of the 18th International Conference on Artificial Intelligence and Statistics (pp. 995-1003). JMLR: Workshop and Conference Proceedings, Vol. 38. Brookline, MA, USA: Microtome Publishing. Vargas-Irwin, C. E., Brandman, D. M., Zimmermann, J. B., Donoghue, J. P., & Black, M. J. (2015). Spike train similarity space (ssims): A framework for single neuron and ensemble data analysis. Neural Computation, 27(1), 1-31. doi:10.1162/NECO_a_00684. Vargas-Irwin, C. E., Franquemont, L., Black, M. J., & Donoghue, J. P. (2015). Linking Objects to Actions: Encoding of Target Object and Grasping Strategy in Primate Ventral Premotor Cortex. The Journal of Neuroscience, 35(30), 10888-10897. doi:10.1523/JNEUROSCI.1574-15.2015. Vasilyev, O., Klumov, B. A., & Tkachenko, A. V. (2015). Chromatic patchy particles: Effects of specific interactions on liquid structure. Physical Review E, 92(1): 012308. doi:10.1103/PhysRevE.92.012308. Vasilyev, O., Berche, B., Dudka, M., & Holovatch, Y. (2015). Monte Carlo study of anisotropic scaling generated by disorder. Physical Review E, 92(4): 042118. doi:10.1103/PhysRevE.92.042118. 32 Dokumentation 2015 II Vasilyev, O., & Maciolek, A. (2015). Critical Casimir forces for a particle between two planar walls. Journal of Non-Crystalline Solids, 407, 376-383. doi:10.1016/j.jnoncrysol.2014.09.005. Veiga, F., van Hoof, H., Peters, J., & Hermans, T. (2015). Stabilizing Novel Objects by Learning to Predict Tactile Slip. In: Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (pp. 5065-5072). New York: IEEE. doi:10.1109/IROS.2015.7354090. Wahrburg, A., Zeiss, S., Matthias, B., Peters, J., & Ding, H. (2015). Combined Pose-Wrench and State Machine Representation for Modeling Robotic Assembly Skills. In: Proceedings of the IEEE/RSJ Conference on Intelligent Robots and Systems (pp. 852-857). New York: IEEE. doi:10.1109/IROS.2015.7353471. Walker, D., Kübler, M., Mozorov, K. I., Fischer, P., & Leshansky, A. M. (2015). Optimal length of low Reynolds number nanopropellers. Nano Letters, 15(7), 4412-4416. doi:10.1021/acs.nanolett.5b01925. Wallis, T., Bethge, M., & Wichmann, F. (2015). Metamers of the ventral stream revisited. Journal of Vision, 15(12): 554. doi: 10.1167/15.12.554. Wang, C., Liu, C., Roqueiro, D., Grimm, D., Schwab, R., Becker, C., Lanz, C., & Weigel, D. (2015). Genome-wide analysis of local chromatin packing in Arabidopsis thaliana. Genome Research, 25(2), 246-256. doi:10.1101/gr.170332.113. Wegner, S. V., Sentürk, O. I., & Spatz, J. P. (2015). Photocleavable linker for the patterning of bioactive molecules. Scientific Reports, 5: 18309. doi:10.1038/srep18309. Wehrl, H. F., Bezrukov, I., Wiehr, S., Lehnhoff, M., Fuchs, K., Mannheim, J. G., QuintanillaMartinez, L., Kneilling, M., Pichler, B. J., & Sauter, A. W. (2015). Assessment of murine brain tissue shrinkage caused by different histological fixatives using magnetic resonance and computed tomography imaging. Histology and Histopathology, 30(5), 601-613. doi:10.14670/HH-30.601. Wei, Q., Pohl, T. M. L., Seckinger, A., Spatz, J. P., & Cavalcanti-Adam, E. A. (2015). Regulation of integrin and growth factor signaling in biomaterials for osteodifferentiation. Beilstein Journal of Organic Chemistry, 11, 773-783. doi:10.3762/bjoc.11.87. Weichwald, S., Meyer, T., Özdenizci, O., Schölkopf, B., Ball, T., & Grosse-Wentrup, M. (2015). Causal interpretation rules for encoding and decoding models in neuroimaging. NeuroImage, 110, 4859. doi: 10.1016/j.neuroimage.2015.01.036. Welke, M., Gräfe, J., Govind, R. K., Babu, V. H., Trautmann, M., Schindler, K.-M., & Denecke, R. (2015). XMCD studies of thin Co films on BaTiO3. Journal of Physics: Condensed Matter, 27(32): 326001. doi:10.1088/0953-8984/27/32/326001. Wellerdiek, A. C., Breidt, M., Geuss, M. N., Streuber, S., Kloos, U., Black, M. J., & Mohler, B. J. (2015). Perception of Strength and Power of Realistic Male Characters. In: ACM SIGGRAPH Symposium on Applied Perception, SAP'15 (pp. 7-14). New York, NY: ACM. doi:10.1145/2804408.2804413. Wu, H., Sariola, V., Zhu, C., Zhao, J., Sitti, M., & Bettinger, C. J. (2015). Transfer printing of metallic microstructures on adhesion-promoting hydrogel substrates. Advanced Materials, 27(22), 3398-3404. doi:10.1002/adma.201500954. 33 II Dokumentation 2015 Wu, M., Benckiser, E., Audehm, P., Goering, E., Wochner, P., Christiani, G., Logvenov, G., Habermeier, H.-U., & Keimer, B. (2015). Orbital reflectometry of PrNiO3/PrAlO3 superlattices. Physical Review B, 91(19): 195130. doi:10.1103/PhysRevB.91.195130. Wuethrich, M., Trimpe, S., Kappler, D., & Schaal, S. (2015). A New Perspective and Extension of the Gaussian Filter. In: L. E. Kavraki, D. Hsu, & J. Buchli (Eds.), Proceedings Robotics: Science and Systems XI, Rom, Italy. doi: 10.15607/RSS.2015.XI.016 Wuethrich, M., Bohg, J., Kappler, D., Pfreundt, C., & Schaal, S. (2015). The Coordinate Particle Filter - A novel Particle Filter for High Dimensional Systems. In: Proceedings of the IEEE International Conference on Robotics and Automation (pp. 2454-2461). New York: IEEE. doi:10.1109/ICRA.2015.7139527. Wulff, J., & Black, M. J. (2015). Efficient Sparse-to-Dense Optical Flow Estimation using a Learned Basis and Layers. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2015) (pp. 120-130). New York: IEEE. doi:10.1109/CVPR.2015.7298607. Zarubin, G., & Bier, M. (2015). Static dielectric properties of dense ionic fluids. The Journal of Chemical Physics, 142(18): 184502. doi:10.1063/1.4920976. Zhang, J., & Zhang, K. (2015). Likelihood and Consilience: On Forster's Counterexamples to the Likelihood Theory of Evidence. Philosophy of Science, 82(5), 930-940. doi:10.1086/683342. Zhang, K., Zhang, J., & Schölkopf, B. (2015). Distinguishing Cause from Effect Based on Exogeneity. In: R. Ramanujam (Ed.), Proceedings of Fifteenth Conference on Theoretical Aspects of Rationality and Knowledge (pp. 261-271). Pittsburgh, USA: Carnegie Mellon University. Zhang, K., Gong, M., & Schölkopf, B. (2015). Multi-Source Domain Adaptation: A Causal View. In: Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence (pp. 3150-3157). Palo Alto, CA, USA: AAAI Press. Zhou, C., Güney, F., Wang, Y., & Geiger, A. (2015). Exploiting Object Similarity in 3D Reconstruction. In: Proceedings International Conference on Computer Vision (ICCV), 2015 (pp. 2201-2209). New York: IEEE. doi:10.1109/ICCV.2015.254. Zhu, C., Mu, X., van Aken, P. A., Maier, J., & Yu, Y. (2015). Fast Li Storage in MoS2-GrapheneCarbon Nanotube Nanocomposites: Advantageous Functional Integration of 0D, 1D, and 2D Nanostructures. Advanced Energy Materials, 5(4): 1401170. doi:10.1002/aenm.201401170. Zhu, C., Wen, Y., van Aken, P. A., Maier, J., & Yu, Y. (2015). High Lithium Storage Performance of FeS Nanodots in Porous Graphitic Carbon Nanowires. Advanced Functional Materials, 25, 23352342. doi:10.1002/adfm.201404468. Zhuang, J., Wright Carlsen, R., & Sitti, M. (2015). pH-taxis of biohybrid microsystems. Scientific Reports, 5: 11403. doi:10.1038/srep11403. Zuffi, S., & Black, M. J. (2015). The Stitched Puppet: A Graphical Model of 3D Human Shape and Pose. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2015) (pp. 35373546). New York: IEEE. doi:10.1109/CVPR.2015.7298976. 34 Dokumentation 2015 II b) Monographien und Beiträge zu Sammelwerken Charpiat, G., Hofmann, M., & Schölkopf, B. (2015). Kernel Methods in Medical Imaging. In: Paragios, N., J. Duncan, & N. Ayache (Eds.), Handbook of Biomedical Imaging: Methodologies and Clinical Research (pp. 63-81). Boston, MA, USA: Springer. Das, K. K., Unsay, J., & García-Sáez, A. J. (2015). Chapter 3 - Microscopy of Model Membranes: Understanding How Bcl-2 Proteins Mediate Apoptosis. In: A. Iglic, C. V. Kulkarni, & M. Rappolt (Eds.), Advances in Planar Lipid Bilayers and Liposomes (pp. 63-97). Amsterdam: Elsevier. doi: 10.1016/bs.adplan.2015.01.002. Evrard, H., & (Bud) Craig, A. (2015). Insular Cortex. In: A. Toga (Ed.), Brain Mapping: An Encyclopedic Reference (pp. 387-393). Amsterdam: Elsevier. Gall, J., Gehler, P., & Leibe, B. (Eds.). (2015). Pattern Recognition - Proceedings of the 37th German Conference on Pattern Recognition, GCPR 2015, Aachen, Germany. Lecture Notes in Computer Science, Vol. 9358. Cham: Springer. doi:10.1007/978-3-319-24947-6. Imura, M., Figueroa, P., & Mohler, B. (Eds.) (2015). International Conference on Artificial Reality and Telexistence and Eurographics Symposium on Virtual Environments, Koyto, Japan, ICAT-EGVE 2015. Aire-la-Ville, Switzerland: Eurographics Association. Janzing, D., Steudel, B., Shajarisales, N., & Schölkopf, B. (2015). Justifying Information-Geometric Causal Inference. In: V. Vovk (Ed.), Measures of Complexity: Festschrift for Alexey Chervonenkis, Part IV (pp. 253-265). Cham: Springer. doi:10.1007/978-3-319-21852-6_18. Mills, K., Rudraraju, S., Kemkemer, R., & Garikipati, K. (2015). Continuum Physics of Tumor Growth. In: R. Kaunas, & A. Zemel (Eds.), Cell and Matrix Mechanics (pp. 309-328). CRC Press. Mittemeijer, E. J. (2015). Nitriding of Binary and Ternary Iron-Based Alloys. In: E. J. Mittemeijer, & M. A. J. Somers (Eds.), Thermochemical Surface Engineering of Steels (pp. 313-340). Amsterdam: Elsevier. Mittemeijer, E. J., & Somers, M. A. J. (2015). Kinetics of Thermochemical Surface Treatments. In: E. J. Mittemeijer (Ed.), Thermochemical Surface Engineering of Steels (pp. 113-140). Amsterdam: Elsevier. Mittemeijer, E.-J., & Somers, M. (Eds.). (2015). Thermochemical Surface Engineering of Steels. Amsterdam: Elsevier. Platzman, I., Kannenberg, G., Janiesch, J.-W., Matic, J., & Spatz, J. P. (2015). PEG-Based AntigenPresenting Cell Surrogates for Immunological Applications. In: X. Chen, & H. Fuchs (Eds.), Soft Matter Nanotechnology: From Structure to Function (pp. 187-215). Weinheim: Wiley-VCH. Schaal, S. (2015). Roboter werden selbständig. In: Forschungsausblick - Jahresbericht 2014 der MaxPlanck-Gesellschaft (pp. 27-31). München: Max-Planck-Gesellschaft zur Förderung der Wissenschaften. Trimpe, S. (2015). Lernende Roboter. In: Jahrbuch der Max-Planck-Gesellschaft 2015, Forschungsbericht. Munich, Germany: Max Planck Society. 35 II Dokumentation 2015 c) Herausgabe von Zeitschriften und Schriftenreihen Van Aken, P. A. ist Mitglied im Editorial Board der Zeitschrift „Ultramicroscopy“ Fischer, P. ist Mitglied im Editorial Board der Zeitschrift „Chirality“ Frank, W. ist Mitglied des Board of Editors der Zeitschrift „Applied Physics A“ Frank, W. ist Mitglied im Editorial Advisory Board der Zeitschrift „Materials Chemistry and Physics“ einschließlich der „Materials Science Communications“ García-Sáez, A. J. ist Mitglied im Editorial Advisory Board der Zeitschrift „Physics and Chemistry of Lipids“ Hirscher, M. ist Mitglied im Board of Editors der Zeitschrift „Applied Physics A“ Hofmann, S. ist Mitglied im Advisory Editorial Board der Zeitschrift „Applied Surface Science“ Hofmann, S. ist Mitglied im Editorial Advisory Board der Zeitschrift „Critical Reviews in Solid State and Materials Science“ Hofmann, S. ist Mitglied des Editorial Advisory Board des „Journal of Advanced Science“ Hofmann, S. ist Mitglied des International Editorial Advisory Board der Zeitschrift „Journal of Surface Analysis“ Hofmann, S. ist Mitglied im Advisory Board der Zeitschrift „Surface and Interface Analysis“ Mittemeijer, E. J., B. Scholtes und H. Altena sind Herausgeber der Zeitschrift „HTM Journal of Heat Treatment and Materials“ Mittemeijer, E. J. ist Mitglied im Advisory Board der „Zeitschrift für Kristallographie – Crystalline Materials“ Mittemeijer, E. J. ist Mitglied im Editorial Board der Zeitschrift „International Materials Reviews“ Mittemeijer, E. J. ist Mitglied im Editorial Board des „Journal of ASTM International“ Mittemeijer, E. J. ist Mitglied im Editorial Board der Zeitschrift „Materials Science Forum“ Mittemeijer, E. J. ist Mitglied im Editorial Advisory Board des „Journal of Alloys and Compounds“ Mittemeijer, E. J. ist Mitglied im Editorial Board des „Open Materials Science Journal“ Mittemeijer, E. J. ist Editor-in-Chief und Managing Editor des „International Journal of Materials Research“ Mittemeijer, E. J. ist Mitglied im Editorial Board der Reihe „Advances in Materials Research“ des Springer Verlags Peters, Jan ist Associate Editor der „IEEE Transactions on Robotics“ (bis 31.11.2015) Peters, Jan ist Mitglied im Editorial Board der Open Access Enzyklopädie „Scholarpedia“ Peters, Jan gehört zu den „Action Editors“ der Zeitschrift „Journal of Machine Learning Research“ (JMLR) Petzow, G. ist Advisor des Editorial Boards der Zeitschrift „Metallography, Microstructure, and Analysis“ Petzow, G. ist „Founding Editor“ der Zeitschrift „Praktische Metallographie – Practical Metallography“ Petzow, G. ist Herausgeber der Schriftenreihe „Sonderbände der Praktischen Metallographie“ Petzow, G. ist Herausgeber der Buchreihe „Materialkundlich-Technische Reihe“ Richter, R. P. ist Mitglied im Editorial Board (Review Editor) der Zeitschrift „Frontiers in Bioengineering and Biotechnology. Biomechanics“ 36 Dokumentation 2015 II Rühle, M. und F. O. R. Fischer sind Managing Editor des „International Journal of Materials Research“ Rühle, M. ist Mitglied im Editorial Board des „Journal of Ceramic Processing Research (Korea)“ Schaal, S. gehört zu den „Action Editors“ der Zeitschrift „Neural Networks“ Schaal, S. ist Review Editor der Zeitschrift „Frontiers in Neurorobotics“ Schaal, S. ist Mitglied im Editorial Advisory Board der Zeitschrift „Paladyn. Journal of Behavioral Robotics“ Schaal, S. ist einer der vier Herausgeber der Springer Buchserie „Cognitive Systems Monographs“, zusammen mit R. Dillmann, Y. Nakamura und D. Vernon Schölkopf, B. ist ist zusammen mit K. Murphy „Editor-in-Chief“ des „Journal of Machine Learning Research“ (JMLR) Schölkopf, B. ist Mitglied im Editorial Board und Gründungsmitglied der Zeitschrift „Foundations and Trends in Machine Learning“ (FnT Machine Learning) Schölkopf, B. ist Mitglied im Editorial Board der Serie „ACM Books“ der Association for Computing Machinery Schölkopf, B. ist Mitglied im Advisory Board der Zeitschrift „Statistics and Computing“ Schölkopf, B. ist Co-Editor der Serie „Information Science and Statistics“ Schölkopf, B. ist Mitglied im Advisory Board der Zeitschrift „International Journal of Machine Learning and Cybernetics“ Seeger, A. ist Mitglied im Advisory Board der Zeitschrift „Philosophical Magazine“ († 18.11.2015) Seeger, A. ist Mitglied im Advisory Board der Zeitschrift „Philosophical Magazine Letters“ († 18.11.2015) Seeger, A. ist Mitglied im Editorial Advisory Board der Zeitschrift „physica status solidi a – applications on materials sciences“ († 18.11.2015) Seeger, A. ist Mitglied im Editorial Advisory Board der Zeitschrift „physica status solidi b - basic solid state physics“ († 18.11.2015) Spatz, J. P. ist Associate Editor der Zeitschrift „Nano Letters“ Wichmann, F. ist Mitglied im Editorial Board der Zeitschrift „Vision Research“ Wichmann, F. ist Mitglied im Editorial Board (Review Editor) der Zeitschrift „Frontiers in Psychology - Cognitive Science“ 37 III Dokumentation 2015 III Erfindungs- und Patentanmeldungen 2015 Brüggemann, D., Dirks, J.-H., Raoufi, M., Spatz, J.P.: Methods for preparing and orientating biopolymer nanofibres and a composite material comprising the same. MI 4906, EP Nr. 14003414.1 Dirks, J.-H., Chen, W., Spatz, J.P., Brunner, R., Kraus, M.: Fabrication of nanostructures in and on organic and inorganic substrates using mediating layers. MI 4911, IP Nr. PCT/EP2015/000632 Qiu, T., Fischer, P.: Ultrasonic actuator device and applications thereof. MI 4912, EP Nr. 14004399.3 Spatz, J.P., Geiger, F., Thaller, M., Böhm, H.: A hyaluronic acid and RGD modified Stent for Glaucoma Treatment. MI 4931 Jeong, H., Lee, T.C., Fischer, P.: Stable (magnetic) nanocolloids. MI 4942, EP Nr. 15161329.6 Fischer, P.: Magnetische Mikroschrauben. MI 4980 Loper, M., Black, M.J., Mahmood, N., Pons-Moll, G., Romero, J.: Body model SMPL. MI 4982 Drotlef, D.-M.: Gecko-Pinzette. MI 4997 Spatz, J.P., Micoulet, A., Sharifikolouei, E.: Inorganic/metal microfiber Formation by melt spinning. MI 5007 Spatz, J.P., Dirks, J.-H., Diao, Z.: Nanopillar Gradient Filters. MI 5033 Black, M.J., Akther, I., Keller, A.: Pose Conditioned Joint Angle Limits for Humans. MI 5040 Romero, J., Black, M.J.: Hand Model. MI 5041 Keller, A., Pons-Moll, G., Romero, J., Black, M.J., Mahmood, N.: Dyna Scans. MI 5042 Pons-Moll, G., Romero, J., Mahmood, N., Black, M.J.: Dyna: A Model of Dynamic Human Shape in Motion. MI 5043 Zuffi, S., Black, M.J.: Stitched Puppet Model. MI 5044 Bogo, F., Romero, J., Black, M.J., Peserico, E.: Automated screening of melanocytic lesions using a 3D body model. MI 5045 Bogo, F., Romero, J., Black, M.J., Loper, M.: Detailed full-body reconstructions of moving people from Kinect sequences. MI 5046 Melde, K., Weber, P.-K., Fischer, P.: Holografisches Element für die Akustik. MI 5066 MI: Max-Planck-Innovation GmbH EP: Europäische Patentanmeldung US: Amerikanische Patentanmeldung 38 Dokumentation 2015 IV IV Abgeschlossene Arbeiten 2015 a) Dissertationen Baha-Schwab, E. (2015). Directing osteogenic signaling and differentiation by surfaces modified with adhesive proteins and immobilized bone morphogenetic proteins. PhD Thesis, Universität Heidelberg, Heidelberg. Bogo, F. (2015). From Scans to Models: Registration of 3D Human Shapes Exploiting Texture Information. PhD Thesis, University of Padova, Padova, Italy. Fonovic, M. (2015). Nitriding behaviour of Ni and Ni-based binary alloys. PhD Thesis, Universität Stuttgart, Stuttgart. Grimm, D. (2015). easyGWAS: An Integrated Computational Framework for Advanced GenomeWide Association Studies. PhD Thesis, Universität Tübingen, Tübingen, Germany. Jahn, S. (2015). Thermisches Verhalten mono- und bimetallischer Nanopartikel für die Katalyse. PhD Thesis, Universität Heidelberg, Heidelberg. Janiesch, J.-W. (2015). Development of Droplet-Based Microfluidics for Synthetic Biology Applications. PhD Thesis, Universität Heidelberg, Heidelberg. Loktyushin, A. (2015). Blind Retrospective Motion Correction of MR Images. PhD Thesis, EberhardKarls-Universität Tübingen, Tübingen. Muandet, K. (2015). From Points to Probability Measures: A Statistical Learning on Distributions with Kernel Mean Embedding. PhD Thesis, University of Tübingen, Tübingen, Germany. Noske, M. (2015). Ultraschnelles Vortexkernschalten. PhD Thesis, Universität Stuttgart, Stuttgart (und Cuvillier Verlag, Göttingen). Sales, A. (2015). Reactions of human vascular cells of different ages to various surface properties. PhD Thesis, Universität Heidelberg, Heidelberg. Scheele, C. (2015). Investigation of cell migration and morphology in response to integrin-mediated adhesion on biomimetic substrates. PhD Thesis, Universität Heidelberg, Heidelberg. Schuler, C. J. (2015). Machine Learning Approaches to Image Deconvolution. PhD Thesis, University of Tübingen, Tübingen, Germany. Sgouritsa, E. (2015). Causal Discovery Beyond Conditional Independences. PhD Thesis, University of Tübingen, Tübingen, Germany. Stahl, C. (2015). Magnetische Röntgenmikroskopie an Hochtemperatur-Supraleitern. PhD Thesis, Universität Stuttgart, Stuttgart (und Cuvillier Verlag, Göttingen). Stanglmair, C. (2015). Herstellung von plasmonischen Nanostrukturen auf Basis von Goldnanopartikeln für die SEIRA-Spektroskopie an Biomolekülen. PhD Thesis, Universität Heidelberg, Heidelberg. 39 IV Dokumentation 2015 Thakar, D. (2015). Well-defined biomimetic surfaces to characterize glycosaminoglycan-mediated interactions on the molecular, supramolecular and cellular levels. PhD Thesis, University Grenoble Alpes, Grenoble. Walker, D. (2015). Magnetically actuated micro- and nanopropellers. PhD Thesis, Universität Stuttgart, Stuttgart (und Cuvillier Verlag, Göttingen). Weiler, M. (2015). Herstellung und Charakterisierung von plasmonischen Nanomaterialien. PhD Thesis, Universität Heidelberg, Heidelberg. Wirner, F. (2015). Flow and transport of colloidal suspensions in porous media. PhD Thesis, Universität Stuttgart, Stuttgart. Zaidouny, L. (2015). Phase Behavior of Colloidal Monolayers on One-Dimensional Periodic and Quasiperiodic Light Fields. PhD Thesis, Universität Stuttgart, Stuttgart. Zuffi, S. (2015). Shape Models of the Human Body for Distributed Inference. PhD Thesis, Brown University, Providence, USA. b) Diplom-/Masterarbeiten Briones Paz, J. Z. (2015). Quantum kinetic theory of ultrafast demagnetization by electron-phonon scattering. Master Thesis, Universität Stuttgart, Stuttgart. Casarsa de Azevedo, L. (2015). Causal Inference in Neuroimaging. Master Thesis, University of Tübingen, Graduate Center of Neuroscience, Tübingen, Germany. Dickmann, J. (2016). Establishing a work flow to objectively characterise the dynamic structure of collectively migrating epithelial cell sheets. Master Thesis, Universität Heidelberg, Heidelberg. Dietrich, K. (2015). Application of TIRM to Liquid-Liquid Interfaces. Master Thesis, Universität Stuttgart, Stuttgart. Doerr, A. (2015). Adaptive and Learning Concepts in Hydraulic Force Control. Master Thesis, Universität Stuttgart, Stuttgart. Gao, M. (2015). Sequential Image Deconvolution Using Probabilistic Linear Algebra. Master Thesis, Technical University of Munich, Munich, Germany. Hohmann, M. (2015). A Cognitive Brain-Computer Interface for Patients with Amyotrophic Lateral Sclerosis. Master Thesis, University of Tübingen, Graduate School of Neuroscience, Tübingen, Germany. Ibarra, C. A. (2015). The effect of frowning on attention. Master Thesis, University of Tübingen, Graduate Training Center of Neuroscience, Tübingen, Germany. Kloss, A. (2015). Object Detection Using Deep Learning - Learning where to search using visual attention. Master Thesis, Universität Tübingen, Tübingen, Germany. Marco Valle, A. (2015). Gaussian Process Optimization for Self-Tuning Control. Master Thesis, Polytechnic University of Catalonia (BarcelonaTech), Barcelona, Spain. 40 Dokumentation 2015 IV Muralidhar, S. (2015). Investigations of unusual hard magnetic MnBi LTP phase, utilizing temperature dependent SQUID-FORC. Master Thesis, Universität Stuttgart, Stuttgart. Ricken, J. (2015). Photoswitchable cell adhesion mediated by LOV2 protein mutants. Master Thesis, Universität Heidelberg, Heidelberg. Sanwald, P. (2015). Metal alloy-induced crystallization of amorphous semiconductors. Master Thesis, Universität Stuttgart, Stuttgart. Sittig, R. (2015). Voltage-induced magnetic manipulation of a microstructured iron gold multilayer system. Master Thesis, Universität Stuttgart, Stuttgart. Soo, H. (2015). Fluctuational electrodynamics for nonlinear media. Master Thesis, Universität Stuttgart, Stuttgart. Tsatsoulis, T. (2015). Transfer of angular momentum from the spin system to the lattice during ultrafast magnetization. Master Thesis, Universität Stuttgart, Stuttgart. Widmaier, F. (2015). Robot Arm Tracking with Random Decision Forests. Master Thesis, Universität Tübingen, Tübingen, Germany. c) Bachelorarbeiten Abele, C. (2015). Funktionalisierung und photochemische Vernetzung kolloidaler Silikatpartikel. Bachelor Thesis, Universität Stuttgart, Stuttgart. Bayer, A. (2015). Charakterisierung von Nanopropellern und theologische Messungen von viskoelastischen Medien. Bachelor Thesis, Universität Stuttgart, Stuttgart. Doerr, A. (2015). Policy Search for Imitation Learning. Bachelor Thesis, Universität Stuttgart, Stuttgart, Germany. Jesenski, S. (2015). Entwicklung eines Messaufbaus zur Beobachtung der Clusterbildung aktiver Brownscher Partikel in einer dreidimensionalen Umgebung. Bachelor Thesis, Universität Stuttgart, Stuttgart. Konzelmann, P. (2015). Direkte Messung repulsiver van-der-Waals Kräfte. Bachelor Thesis, Universität Stuttgart, Stuttgart. Pöhnl, R. (2015). Evaporation and growth of liquid drops. Bachelor Thesis, Universität Stuttgart, Stuttgart. Rußegger, N. (2015). Optical measurements of diffusion of the enzyme urease. Bachelor Thesis, Universität Stuttgart, Stuttgart. Steiner, J. (2015). Feedback control of active suspensions. Bachelor Thesis, Universität Stuttgart, Stuttgart. Vangelis, T. (2016). Diffusion im Zentrifugalpotential. Bachelor Thesis, Universität Stuttgart, Stuttgart. 41 V V Dokumentation 2015 Doktoranden a) deutsche Staatsangehörige (Stand: 31.12.2015) (genannt wird jeweils die wissenschaftliche Institution, an der zuvor die Diplom- oder Masterarbeit erstellt wurde) Patrick Chalil Audehm, Universität Stuttgart, 4. Physikalisches Institut / Max-Planck-Institut für Metallforschung , Stuttgart Margarita Baluktsian, Universität Stuttgart, 5. Physikalisches Institut, Stuttgart Simon Bartels, Universität Freiburg Lucia Benk, Universität Stuttgart, Institut für Biochemie / University of California San Francisco (UCSF), USA Dieter Büchler, Imperial College London, Bioengineering Dept., London, Vereinigtes Königreich Maria Danner, Molecular Biotechnology, Ruprecht- Karls-Universität Heidelberg, Heidelberg Georg Dieterle, Eberhard Karls Universität Tübingen, Institut für Angewandte Physik, Tübingen Johannes Förster, Otto-von-Guericke-Universität Magdeburg, Magdeburg Johannes Patrick Frohnmayer, Ludwig-Maximilians-Universität München, Lehrstuhl für Biophysik und molekulare Materialien / Riken, Quantitative Biology Center, Osaka, Japan Phillipp Geiger, Ruprecht-Karls-Universität Heidelberg, Fakultät für Mathematik und Informatik, Heidelberg. Holger Göring, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für Intelligente Systeme , Stuttgart Joachim Gräfe, Universität Leipzig, Wilhelm-Ostwald-Institut für Physikalische und Theoretische Chemie, Leipzig Michael Haag, Universität Stuttgart, Institut für Halbleiteroptik und Funktionelle Grenzflächen (IHFG), Stuttgart Barbara Haller, Ruprecht-Karls-Universität Heidelberg, Heidelberg Patricia Hegger, Albert Ludwigs Universität Freiburg, Institut für Biochemie, Freiburg Alexander Herzog, Karlsruher Institut für Technologie (KIT), Institut für Anthropomatik, Karlsruhe Matthias Hohmann, Eberhard Karls Universität, Tübingen, Graduate Training Centre of Neuroscience, Tübingen Joel Jannai, Rheinische Friedrich-Wilhems-Universität Bonn, Bonn Jan-Willi Janiesch, Ruprecht-Karls-Universität Heidelberg, Biophysikalische Chemie, Heidelberg Simon Kamin, Hochschule RheinMain, Rüsselsheim, Fachbereich Ingenieurwissenschaften, Rüsselsheim Gerri Kannenberg, Ruprecht-Karls-Universität Heidelberg, Heidelberg Daniel Kappler, Karlsruher Institut für Technologie (KIT), Institut für Anthropomatik, Karlsruhe Hans Kersting, Ludwig-Maximilian-University München, München Edgar Klenske, Universität Stuttgart, Stuttgart, Institut für Systemtheorie und Regelungstechnik, Stuttgart Marcel Labbe Laurent, Universität Stuttgart, Stuttgart, Institut für Theoretische Physik IV, Stuttgart 42 Dokumentation 2015 V Sarah Löwy, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für Intelligente Systeme, Stuttgart Maren Mahsereci, Eberhard Karls Universität Tübingen, Institut für Astronomie und Astrophysik, Tübingen Franziska Meier, University of Southern California, Los Angeles,USA Thomas Nestmeyer, Eberhard Karls Universität Tübingen, Mathematisch-Naturwissenschaftliche Fakultät / Max Planck Institut für biologische Kybernetik, Tübingen Dirk Ollech, Ruprecht-Karls-Universität Heidelberg, Institute for Pharmacy and Molecular Biotechnology, Heidelberg Susanne Veronika Ott, Ruprecht-Karls-Universität Heidelberg, Heidelberg Andreas Reindl, Universität Stuttgart, Institut für Materialwissenschaft / Max-Planck-Institut für Metallforschung, Stuttgart Julia Ricken, Ruprecht-Karls-Universität Heidelberg, Heidelberg Stephen Ruoss, Hochschule Esslingen Hochschule Aalen Victoria Schaufler, Ruprecht-Karls-Universität Heidelberg, Physikalisches Institut, Heidelberg Michael Schober, Eberhard Karls Universität Tübingen, Wilhelm Schickard Institut für Informatik, Heidelberg Carl-Johann Simon-Gabriel, Conservatoire Strasbourg, Strasbourg, Frankreich Christoph Stanglmair, Universität Regensburg, Institut für Organische Chemie, Regensburg Michael Thaller, Universität Regensburg, Institut für Analytische Chemie, Chemo- und Biosensorik, Regensburg Maximilian Julius Urban, Universität Konstanz, Konstanz Sebastian Weber, Universität Stuttgart, Stuttgart, Fakultät Chemie / Max-Planck-Institut für Intelligente Systeme, Stuttgart Sebastian Weichwald, University College, London, Vereinigtes Königreich Ingrid Weinrauch, Universität Stuttgart, Institut für Plasmaforschung, Stuttgart Marian Weiss, Ruprecht-Karls-Universität Heidelberg, Institut für Physiologie und Pathophysiologie, Heidelberg Tina Wiegand, Universität Heidelberg, Ruprecht-Karls-Universität Heidelberg, Biophysikalische Chemie, Heidelberg Jonas Wulff, RWTH Aachen, Lehrstuhl für Bildverarbeitung / Sinha Lab for Vision Research am Center for Brain and Cognitive Science, Massachusetts Institute of Technology (MIT), Cambridge, USA 43 V Dokumentation 2015 b) ausländische Staatsangehörige (Stand: 31.12.2015) Mazen Al Borno, University of Toronto, Kananda Mariana Alarcon Correa, Quimica y Fisica, Universidad de los Andes, Bogotá, Kolumbien Morteza Amjadi Kolour, Transparent Transducer & UX Creative Research Center, Electronics and Telecommunications Research Institute (ETRI), Daejeon, Südkorea Rafael Balderas Xicohtencatl, Center of Investigation and Advanced Studies of the National Polytechnic Institute (CINVESTAV) Mexico City, Mexiko Matej Balog Merton College, University of Oxford, UK Semanur Baylan, Istanbul Technical University, Türkei Miroslav Bogdanovic, University of Oxford, Vereinigtes Königreich Iuliia Bykova, National Research Tomsk Polytechnic University, Institute of Physics and Technology, Tomsk, Russische Föderation Wenwen Chen, Institut für Festkörperphysik, Universität Ulm, Deutschland Xinyue Chen, University of Liverpool, Vereinigtes Königreich Yu Chun Chen, Universität Stuttgart, Stuttgart, Deutschland Udit Choudhury, Virginia Polytechnic Institute and State University (Virginia Tech), USA Xiaoguang Dong, Carnegie Mellon University, Pittsburg, PA, USA Xiaoyang Duan, Nankai University, China Sahand Eslami, European Laboratory for Non-Linear Spectroscopy, University of Florence, Italien Nima Farahmand Bafi, Universität Stuttgart, Stuttgart, Deutschland Tatiana Fomina, Katholieke Universiteit Leuven, Leuven, Belgien / Université Joseph Fourier Grenoble, Frankreich Joshua Giltinan, NanoRobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA Sebastian Gomez Gonzalez, Universidad Tecnológia de Pereira (UTP), Kolumbien Shixiang Gu, Jesus College, Cambridge, Vereinigtes Königreich Fatma Güney, Bogazici University, Istanbul, Türkei Biwei Huang, Eberhard Karls Universität, Tübingen, Deutschland Varun Jampani, International Institute of Information Technology, Hyderabat, India Vinay Jayaram, Harvard University, Cambridge, MA, USA Hyeon-Ho Jeong, Dankook University, Yongin, Südkorea Majid Khadiv, K. N. Toosi University Teheran, Iran Okan Koc, Eidgenössische Technische Hochschule (ETH), Zürich, Schweiz Eric Lacosse, Eberhard Karls Universität Tübingen, Deutschland David Lopez Pa, Universidad Autonoma de Madrid, Spanien Chaochao Lu, The Chinese University of Hongkong, China Guo Zhan Lum, Carnegie Mellon University, Pittsburg, PA, USA Medhavi Nagpal, Dept. of Biotechnology, National Institute of Technology, Jalandhar, Indien 44 Dokumentation 2015 V Youngmin Oh, University of Southern California, Los Angeles, USA Brahayam David Ponton Junes, Eidgenössische Technische Hochschule (ETH), Zürich, Schweiz Tian Qiu, Dept. of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing, China Akshara Rai, Carnegie Mellon University, Pittsburg, PA, USA Ananat Raj, Indian Institute of Technology Kanpur (IIT Kanpur), Indien Steven Rich, Carnegie Mellon University, Pittsburg, PA, USA Mateo Rojas-Carulla, Corpus Christi College, University of Cambridge, Vereinigtes Königreich Paul Rubenstein, University College, London, Vereinigtes Königreich Umut Tunca Sanli, Christian-Albrechts-Universität zu Kiel, Deutschland / Robert Bosch GmbH, Gerlingen, Deutschland Adam Scibior, Trinity College, University of Cambridge, Vereinigtes Königreich Elham Sharifikolouei, Universität Ulm, Ulm, Deutschland Donghoon Son, Carnegie Mellon University Pittsburgh, PA, USA Kwangho Son, Materials Analysis Laboratory, Dept. of Physics, Kookmin University, Südkorea Sukho Song, Nanorobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA Zhe Su, University of Southern California, Los Angeles, USA Giovanni Sutanto, University of Southern California, Los Angeles, USA Behzad Tabibian, University of Pittsburgh, Pittsburgh, PA, USA Sapana Tripathi, School of Physics Department, Devi Ahilya University, Indien Mehmet Turan, University of California Los Angeles (UCLA), USA Xu Wang, University of Science and Technology, Hefei, China Matthew Woodward, NanoRobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA Manuel Wüthrich, École Politechnique Fédérale de Lausanne, Frankreich / University of Southern California, Los Angeles, USA Immian Ceren Yasa, Bilkent University, Ankara, Türkei Öncay Yasa, Bilkent University, Ankara, Türkei Grigory Zarubin, Universität Stuttgart, Stuttgart, Deutschland 45 VI VI Dokumentation 2015 Gastwissenschaftler Ijaz Akhter, Ph.D., Namal College, Mianwali, Pakistan Amador, Guillermo, Ph.D., Georgia University of Technology, Atlanta, GA, USA Rohit Babbar, University Joseph Fourier, Grenoble, Frankreich Michel Besserve, Cognitive Neuroscience and Brain Imaging Lab (CNRS Laboratory), Paris, Frankreich Federica Bogo, University of Padova, Italien Hakan Ceylan, National Nanotechnology Research Center (UNAM), Bilkent University, Ankara, Türkei Dr. Antonio Checco, Brookhaven National Laboratory, USA Dr. Gabor Csiszar, Eötvös Loránd University, Budapest, Ungarn Prof. Dr. Daniel Marinov Dantchev, Institute of Mechanics, Bulgarian Academy of Sciences, Sofia, Bulgarien Dr. Tamal Das, Institut du Cancer de Montréal, Centre Hospitalier de l’Université de Montréal, (CHUM), Kanada Prof. Dr. Victor Dotesenko, Laboratoire de Physique Théorique de la Matière Condensée, Université Paris VI, Frankreich Xiaoyang Duan, EPFL de Lausanne, Schweiz Zahra Eskandari, Ph.D., Dept. of Physics, Sharif University of Technology, Tehran, Iran Ajay Gangwar, Universität Regensburg, Regensburg, Deutschland Dr. Piotr Garbacz, Faculty of Chemistry, University of Warsaw, Polen Cristina Garcia Cifuentes, University College, London, Vereinigtes Königreich / Université de Caen Bass-Normandie, Frankreich Dr. Juan Ruben Gomez Solano, Laboratoire de Physique, École Normale Supérieure de Lyon, Frankreich Zoltan Hegedüs, Eötvös Loránd University, Budapest, Ungarn Lindsey Hines, Ph.D., NanoRobotics Laboratory, Carnegie Mellon University Pittsburgh, PA, USA Dr. Andrew Holle, University of California, San Diego, La Jolla, CA, USA Zeinab Hosseinidoust, Ph.D., McGill University, Montreal, Quebec, Kanada Wenqui Hu, Ph.,D., Dept. of Electrical Engineering, University of Hawaii at Manoa, Honolulu, HI, USA Dr. Michael Rong Shie Huang, Dept. of Materials Science and Engineering, National Cheng Kung University, Tainan City, Taiwan Yanlong Huang, Nanjing University of Science and Technology, Ph.D., China Dr. Minsu Jung, Dept. of Materials Science and Engineering, Yonsei University, Seoul, Korea Dr. Naejin Kong, Korea Advanced Institute of Science and Technology, Südkorea 46 Dokumentation 2015 VI Dr. Xiaoyan Li, Shanghai Institute of Ceramics, Chinese Academy of Sciences (SICAS), China Prof. Dr. Yongchang Liu, Dept. of Metallic Materials Science and Engineering, College of Materials Science and Engineering, Tianjin, China Celia Lozano, Universidad de Navarra, Dpto. de Física y Matemática Aplicada, Pamplona, Spanien Jim Mainprice, Ph.D., Worcester Polytechnic Institute in Massachussets, USA Dr. Arghya Majee, Laboratoire Ondes et Matìere d’Aquitaine, Université de Bordeaux & CNRS, Talence, Frankreich Dr. Paolo Malgaretti, Departamento de Fisica Fonamental, Universitat de Barcelona, Spanien Dr. Massimo Mastrangeli, Universität Brüssel, Belgien Dr. Elisa Migliorini - Université Joseph Fourier, Grenoble, Frankreich Burcu Minsky, Ph.D., Biophysical/BioAnalytical Chemistry, University of Massachusetts-Amherst, MA, USA Dr. Dimitris Missirlis, University of California Berkeley, USA Babak Mostaghaci: Biopharmazie und Pharmazeutische Technologie, Universität des Saarlandes, Saarbrücken, Deutschland Krikamol Muandet, Mahidol University, Thailand Dr. Piotr Nowakowski, ELCAR, Piaseczno, Polen Prof. Dr. Gleb Oshanin, Laboratoire de Physique Théorique de la Matière Condensée, Université Pierre et Marie Curie, et du CNRS, Paris, Frankreich Dr. Stefano Palagi, Center for Micro-BioRobotics @SSSA, Instituto Italiano di Tecnologia, Pontedera (PI), Italien Byung Wook Park, Ph.D., Bioengineering Institute, Worcester Polytechnic Institute, Worcester, MA, USA Esteban Pedrueza Villalmanzo, University of Valencia, Spanien Kirstin Petersen, Ph.D., Wyss Institute of Biologically Inspired Engineering at Harvard University, Cambridge MA, USA / Self-Organizing Systems Research Lab, Harvard University Dr. Efthymios Polatidis, School of Materials, University of Manchester, Vereinigtes Königreich Dr. Gerard Pons-Moll, Leibniz Universität Hannover, Deutschland Dr. Mikhail Popescu, Ian Wark Research Institute, University of South Australia, Mawson Lakes, Australien Mohammad Raoufi, Physikalische Chemie, Universität Siegen, Deutschland John Rebula, Ph.D., University of Michigan, Ann Arbor, MI, USA Dr. Jerome Roche, Laboratoire de Gènie Chimique (LGC UMR 5503), Toulouse, Frankreich Sutapa Roy, Theoretical Science Unit, Jawaharlal Nehru Centre for Advanced Scientific Research (JNCASR), Jakkur, Bangalore, Indien Laura Sevilla Lara, University of Massachusetts Amherst, USA Dr. Ajay Vikram Singh, Rensselaer Polytechnic Institute, Biotech Centre, Troy, NY, USA 47 VI Dokumentation 2015 Dr. Druv Pratap Singh, Pohang University of Science and Technology, Pohnag, Kyungbuk, Südkorea Swarn Lata Singh, Ph.D., Dept. of Physics, Banaras Hindu University, Varanasi, Indien Soltan Eid Soltan, Physics Department, Helwan University, Cairo, Egypt Prof. Dr. Garrett Stanley, Georgia Institute of Technology & Emory University, USA Morgan Stanton, Ph.D., Dept. of Chemistry and Biochemistry, Worcester Polytechnic Institute, Worcester, MA, USA Dr. Dagmar Sternad, Northeastern University (Boston, USA) Dr. Emmanuel Suraniti, Laboratoire de Gènie Chimique (LGC UMR 5503), Toulouse, Frankreich Prof. Dr. Istvan Szalai, University of Pannonia, Institute of Physics,Veszprem, Ungarn Ahmed Fatih Tabak, Ph.D., Istanbul Ticaret Universitesi, Istanbul, Türkei Nahid Talebi Sarvari, Ph.D., Photonics Research Laboratory, Center of Excellence for Applied ElectromagSnetic Systems, School of Electrical and Computer Engineering, University of Tehran, Iran Dr. Ilya Tolstikhin, Dorodnicyn Computing Center of Russian Academy of Sciences, Moscow, Russische Förderation Prof. Dr. Nikolaus Friedrich Troje, Queens University in Kingston, Ontario, Kanada Ali Osman Ulusoy, Ph.D., Brown University, Providence, Rhode Island, USA Dr. Diana Vilela Garcia, University of Alcala, Madrid, Spanien Wendong Wang, Ph.D., Wyss Institute of Biologically Inspired Engineering at Harvard University, Cambridge MA, USA Dr. Zhiguang Wu, Harbin Institut, Harbin, China Zhou Ye, Ph.D., Carnegie Mellon University, Pittsburg, PA, USA Dr. Jennifer Young, University of California, San Diego, La Jolla CA, USA 48 Dokumentation 2015 VII a) VII Sonstige Mitteilungen Ehrungen 2015 Fabian Adams Ferdinand Eisenberger Stipendium, Deutsche Urologische Gesellschaft Matej Balog Gewinner des Code Hunt Programming Wettbewerbs an der Microsoft Research PhD Summer School 2015 Michael J. Black Ernennung zum Externen Mitglied der Königlichen Schwedischen Akademie der Wissenschaften Michael J. Black Das Middlebury Dataset erhielt den 2015 IEEE Mark Everingham Preis für seinen Beitrag zur Computer Vision Community. Michael Black war Teil des Teams hinter dem Optical Flow Benchmark. Frederica Bogo 3. Preis beim „Science2Start“ Wettbewerb von BioRegio Stern für das von ihr entwickelte Hochfrequenz-Screening mit einem 3DKörpermodell, das Hautkrebs frühzeitig erkennen hilft Dorothea Brüggemann Emmy-Noether-Förderung „Smarte Biomaterialien aus proteinbasierten Komposit-Nanofasern“ Andreas Geiger Verleihung des KIT Doktorandenpreis für seine Doktorarbeit „Probabilistic Models for 3D Urban Scene Understanding from Movable Platforms” Andreas Geiger and Chaohui Wang: Best Paper Award bei der Deutschen Konferenz für Mustererkennung (GCPR 2015) Chantal Göttler 1. Preis beim „Thesis in Three“ Wettbewerb in der Kategorie „Master“ Barbara Haller 1. Preis beim „Thesis in Three“ Wettbewerb in der Kategorie „Doktorand/-in“ Philipp Hennig Emmy-Noether-Förderung „Probabilistisches Programmieren für Autonome Maschinen“ Michael Hirscher Hydrogen & Energy Award Zeinab Hosseinidoust Canadian Institutes of Health Research Fellowship (2015-2017) Oliver Kroemer Runner Up für den 2015 Georges Giralt Award (Preis für die beste europäische Dissertation im Forschungsfeld Robotik) Matthias Krüger Ehrung als Gastprofessor (W3) durch die Universität Konstanz im Rahmen des Programmes „Freiräume für Kreativität“ Laura Na Liu ERC Starting Grant (2015-2020) für die Forschung an Nanoplasmonics 49 VII Dokumentation 2015 Laura Na Liu LIGHT2015 Young Women in Photonics Award: Fundamental Category Paolo Malgaretti 1. Preis beim „Thesis in Three“ Wettbewerb in der Kategorie „Postdoc“ Andrew G. Mark Günter Petzow Preis 2015 Eric Jan Mittemeijer Adolf-Martens-Medaille Katharina Mülling Preis für hervorragende wissenschaftliche Leistung im Rahmen ihrer Doktorarbeit, verliehen durch die "Freunde der TU Darmstadt" Jan Peters ERC Starting Grant (2015-2020) für die Forschung an der Bewegung von Humanoiden Robotern Tian Qiu, Debora Walker, Andrew G. Mark and Peer Fischer Best design video award in Microrobotics Design Challenge, The Hamlyn Symposium on Medical Robotics, London, UK Ludovic Righetti ERC Starting Grant (2015-2020) für die Forschung an der Kontrolle von Humanoiden Robotern Jonas Rommel Azubi-Preis der Max-Planck-Gesellschaft Samuel Sanchéz Princess of Girona Foundation Scientific Research Award 2015 Samuel Sanchéz MIT Technology Review under 35 (TR35) Award “Top Innovator of the Year 2015, Spanish Edition” Umut Sanli SPIE Best Student Paper Award Claudia Stahl IEEE Council on Superconductivity Graduate Study Fellowship in Applied Superconductivity Ali Osman Ulusoy, Andreas Geiger, and Michael J. Black Ruth Urner Best Paper Award bei der Internationalen Konferenz zur 3D Vision (3DV 2015), für die Publikation: "Towards Probabilistic Volumetric Reconstruction using Ray Potentials" Best Paper Award beim NIPS 2015 Workshop: "Transfer and Multitask Learning: Trends and New Perspectives" (Co-author Shai Ben-David) Wendong Wang Alexander von Humboldt Fellowship (2015-2017) Jonas Wulff Outstanding Reviewer Award der Internationalen Konference für Computervision, ICCV 2015 Wenqi Yu Alexander von Humboldt Fellowship (2016-2018) 50 Dokumentation 2015 Jakob Zscheischler Jakob Zscheischler VII Otto-Hahn-Medaille der Max-Planck-Gesellschaft für seine Doktorarbeit "A global analysis of extreme events and consequences for the terrestrial carbon cycle" Köppen Preis 2015. Der Mathematiker wurde vom Exzellenzcluster CliSAP für seine herausragende Dissertation ausgezeichnet, die er im vergangenen Jahr an der ETH Zürich einreichte 51 VII Dokumentation 2015 b) Berufungen und Ernennungen 2015 52 Michael J. Black Wieder-Ernennung (bzw. Fortsetzung) Adjunct Professor of Computer Science, Brown University (01/2011 until 12/2016, annual reappointment) Michael J. Black Ernennung zum Visiting Professor an der ETH Zürich (01.04.2015 – 31.03.2016) Departement Informationstechnologie und Elektrotechnik Institut für Bildverarbeitung Michael J. Black Honorarprofessur an der Universität Tübingen Wilhelm Schickard Institut für Informatik Michael J. Black Ernennung zum Foreign Member of the Academy's Class for engineering sciences at the Royal Swedish Academy of Science Stockholm, Schweden Michael J. Black MPI-ETH Zentrum für Lernende Systeme Mitglied seit 2015 Stefan Schaal Geschäftsführender Direktor für den Tübinger Standort des MPI für Intelligente Systeme; Zugleich Stellvertretender Geschäftsführender Direktor Des Gesamt-Instituts MPI-IS (beide Standorte) Stefan Schaal (Fortsetzung) Professur an der USC in Los Angeles Bernhard Schölkopf (Fortsetzung) Gastprofessur an der ETH Zürich (08/2012 - 07/2016) Computerwissenschaften Bernhard Schölkopf Mitglied des MPI-Campus-Tübingen-Triumvirats Bernhard Schölkopf Co-Direktor des Max Planck ETH Zentrums für Lernende Systeme Bernhard Schölkopf (Fortsetzung) Honorarprofessur Universität Tübingen, Mathematik & Physik Bernhard Schölkopf (Fortsetzung) Honorarprofessur Technische Universität Berlin, Computerwissenschaften Metin Sitti Geschäftsführender Direktor des MPI für Intelligente Systeme (für das Gesamtinstitut an beiden Standorten) zugleich Geschäftsführender Direktor für den Standort Stuttgart des MPI für Intelligente Systeme Metin Sitti Vorsitzender der Gemeinsamen Kommission (GemKom) ab 7/2015 Dokumentation 2015 VII Metin Sitti Steering Board Member des ETH-MPI Center for Learning Systems Joachim Spatz Ruf an das MPI für medizinische Forschung, Heidelberg Joachim Spatz Stellvertretender Geschäftsführender Direktor des MPI-IS am Standort Stuttgart 53 VII Dokumentation 2015 c) Ständige Mitgliedschaften der Wissenschaftlichen Mitglieder 2015 M. J. Black Mitglied der Königliche Schwedische Akademie der Wissenschaften M. J. Black Mitglied der Association of Computing Machinery (ACM) M. J. Black Vorstandsmitglied (Member of the Board) bei Body Labs Inc., New York M. J. Black Senior Mitglied der IEEE (Institute of Electrical and Electronics Engineers) M. J. Black Mitglied des Brain Science Program, Brown University M. J. Black Mitglied des Max Planck ETH Zentrums für Lernende Systeme M. J. Black Mitglied des Werner Reichardt Center for Integrative Neuroscience, Eberhard Karls Universität Tübingen M. J. Black Mitglied des Bernstein Center for Computational Neuroscience, Tübingen S. Dietrich Fellow of the IOP, Institute of Physics, London E. J. Mittemeijer Fellow of the American Society of Materials E. J. Mittemeijer Elected Member of the International Center of Diffraction Data E. J. Mittemeijer Honorary Member of the Netherlands Society of Metals E. J. Mittemeijer Honorary President of the Dutch-Belgian Society of Heat Treatment E. J. Mittemeijer Vertreter des MPI für Intelligente Systeme im World Materials Research Institute Forum (WMRIF) E. J. Mittemeijer Vertreter des MPI für Intelligente Systeme in der Bundesvereinigung Materialwissenschaft und Werkstofftechnik e.V. (BV MatWerk) E. J. Mittemeijer Vertreter der Universität Stuttgart beim Studientag Materialwissenschaft und Werkstofftechnik e.V. S. Schaal Mitglied in der Alexander von Humboldt Stiftung S. Schaal Mitglied der Studienstiftung des Deutschen Volkes S. Schaal Mitglied bei der American Association of Artificial Intelligence S. Schaal Mitglied der American Association for the Advancement of Science S. Schaal Fellow der IEEE (Institute of Electrical and Electronics Engineers) S. Schaal Mitglied der Society of Neural Control of Movement S. Schaal Mitglied der Society of Neuroscience S. Schaal Mitglied der International Neural Networks Society S. Schaal Mitglied im ETH/MPI-IS Zentrum für Lernende Systeme S. Schaal Mitglied des „Board of External Reviewers” des Italian Institute of Technology S. Schaal Mitglied des „Board of Directors“ des Technologieparks Tübingen-Reutlingen S. Schaal Mitglied des „Board of Governors“ der International Neural Networks Society 54 Dokumentation 2015 VII S. Schaal Mitglied im “NeuroEngineering Advisory Board” der Technischen Universität München S. Schaal Mitglied des “External Advisory Board” für das EPSRC Centre for Doctoral Training in Robotics and Autonomous Systems an der Universität Edinburgh B. Schölkopf B. Schölkopf B. Schölkopf B. Schölkopf Mitglied des Steuerungs- und Programm Kommittee “The Future of AI” - Ein Symposium an der New York Universität, “Wissenschaft, Technologie, Vernunft und Ethik (2015 - 2016)” Co-Direktor und Mitglied des Steuerungskommittees, Max Planck ETH Zentrum für Lernende Systeme, Tübingen/Zurich (seit 2015) Mitglied der Stammkommission (= Core Committee Member), Max Planck Institute für biologische Kybernetik (2015 – 2016) Mitglied des Kernel-Machines.Org Board B. Schölkopf Advisory Board Member der Neural Information Processing Systems Foundation (NIPS) B. Schölkopf Board Member of the Summer Schools on Machine Learning (Mitbegründer in 2005) B. Schölkopf Mitglied der Deutschen Arbeitsgemeinschaft für Mustererkennung e.V. (DAGM) B. Schölkopf Mitglied des Boards der International Machine Learning Society B. Schölkopf Mitglied der Deutschen Mathematiker-Vereinigung (DMV) B. Schölkopf Mitglied der Association for Computing Machinery (ACM) B. Schölkopf Senior Member der IEEE (Institute of Electrical and Electronics Engineers) B. Schölkopf Mitglied des Bernstein Center for Computational Neuroscience (Tübingen) B. Schölkopf Mitglied beim Bernstein Focus for Neurotechnology (Freiburg/Tübingen), B. Schölkopf Mitglied beim Excellence Clusters CIN (Center for Integrative Neuroscience, Univ. Tübingen) B. Schölkopf Mitglied bei SimTECH (Simulation Technology, Univ. Stuttgart) B. Schölkopf Chair of the Advisory Committee, Neural Computation and Adaptive Perception Program (NCAP) of the Canadian Institute for Advanced Research (CIFAR) B. Schölkopf ITN (Initial Training Network) Supervisory Board Member der Alexander von Humboldt Stiftung B. Schölkopf External Advisory Board Member, Engineering and Physical Sciences Research Council (EPSRC). Centre for Doctoral Training (CDT) in the area of Data Science, Edinburgh, UK B. Schölkopf Gründungsmitglied und Mitglied der Stammkommission des CAS-MPG Partner Institute for Computational Biology, Shanghai. Chinese Academy of Sciences – Max-Planck-Gesellschaft G. Schütz Korrespondierendes Mitglied der Akademie der Wissenschaften Göttingen M. Sitti Member, American Society of Mechanical Engineers M. Sitti Fellow of the IEEE (Institute of Electrical and Electronic Engineers) M. Sitti Board Member, TASSA (Turkish American Scientists and Scholars Association) M. Sitti Board Member, European Center for Living Technology 55 VII Dokumentation 2015 M. Sitti Member, Sigma Xi M. Sitti Member, Italian Institute of Technology Standing Committee of External Evaluators M. Sitti Steering Board Member of the Max Planck ETH Center for Learning Systems J. P. Spatz Forschungsausschuss der Ludwig-Maximilians-Universität München J. P. Spatz Heidelberger Akademie der Wissenschaften J. P. Spatz Mitglied des Beirats des Excellenzclusters „Cells in Motion“, Westfälische Wilhelms Universität Münster J. P. Spatz Mitglied der Nordrhein-Westfälische Akademie der Wissenschaften und der Künste 56 32 Dokumentation 2015 VII d) Wissenschaftliche Veranstaltungen 2015 7.-8. Januar B. Schölkopf Workshop “Empirische Inferenz”, Max Planck House Tübingen 17. Januar B. Schölkopf Round Table Diskussion, Tübingen 26.-27. Januar 25.-27. Februar B. Schölkopf Workshop “Big Data”, Tübingen A. Checco M. Tasinkevych P. Teixeira International Workshop on Complex Fluids at Structured Surfaces: Theory Meets Experiment, Berlin 17.-20. März 26.-27. März F. Wichmann Workshop “Vision – From Models to Appearance” B. Schölkopf 29. März – 1. April Ko-Organisator des Workshops “Drawing Causal Inference from Big Data,” Arthur M. Sackler Colloquia of the National Academy of Sciences, Washington, USA S. Dietrich A. Maciolek Ringberg Meeting “Soft Matter at Interfaces” 6.-8. April S. Sánchez Ko-Organisator des Symposiums “Bio-inspired MicroNanomachines: Challenges and Perspectives” anlässlich des MRS Spring Meetings, San Francisco, USA 10.-12. April MPI-IS B. Schölkopf ETH Zurich Jonas Peters DALI – Data, Learning and Inference workshop; La Palma, Spanien 12. April 16.-18. April S. Sánchez 26. Mai M. Sitti 30. Mai S. Schaal 17.-19. Juni S. Trimpe Ko-Organisator des Workshops “Networks: Causality and Processes,” at DALI – Data, Learning and Inference; La Palma, Spanien Ko-Organisator der Session “Nano-to-Micro Robotics” anlässlich des 16ten German-American-Frontiers of Engineering Symposium, Berlin Ko-Organisator des Workshops “Bio-inspired Innovations by Micro-Nano Robotics and Systems - For Integration of Biomimetic and Mechanical Systems based on Robotic Technologies” bei der International Conference on Robotics and Automation (ICRA), Seattle, Washington, USA Ko-Organisator des Workshops “Using the Hubo Platform to Advance Humanoids Research” bei der International Conference on Robotics and Automation (ICRA), Seattle, Washington, USA Ko-Organisator der Special Session zu “Event-based State Estimation” innerhalb der 1st International Conference on Event-based Control, Communication, and Signal Processing, Krakau, Polen 57 33 VII Dokumentation 2015 6. Juli Jan Peters 12. Juli B. Schölkopf M.J. Black S. Schaal 13.-24. M. Hirsch Juli P. Hennig 16. Juli B. Schölkopf Jonas Peters Ko-Organisator des Tutorials “Policy Search, Methods and Applications” bei der International Conference on Machine Learning (ICML), Lille, Frankreich Symposium on Intelligent Systems in Science and Industry (SISSI); kombiniert mit dem ersten Alumni Treffen am MPI-IS Tübingen Machine Learning Summer School (MLSS 2015), Max-Planck-Campus Tübingen Ko-Organisator des Workshops “Advances in Causal Inference” bei der Conference on Uncertainty in Artifial Intelligence (UAI), Amsterdam, Niederlande 16. Juli J. Mainprice N. Rathliff S. Schaal Organizers des Workshops: “Learning from Demonstration: Inverse Optimal Control, Reinforcement Learning, and Lifelong Learning“ bei der R:SS in Rome, Italien 28. Juli – 04. August M. J. Black F. Wichmann Ko-Organisatoren der Computational Vision Summer School, Freudenstadt-Lauterbad 31. August -2. Sept. E. Goering, G. Schütz etc. 20.- 24. September S. Sánchez 21.- 25. September Oktober C. Bechinger 11.-13. November MPI-IS (S. Trimpe, L. Righetti) “Satellite Meeting” in Stuttgart zur XAFS16 Konferenz (Karlsruhe) : „Application of XAFS to the study of magnetic Materials“ Ko-Organisator des Symposiums “Active Soft Materials” anlässlich des European Congress and Exhibition on Advanced Materials (Euromat), Warschau, Polen Ko-Organisator der Konferenz “Microswimmers – From Single Particle Motion to Collective Behaviour”, Jülich Tutorial zu “Introduction to Gaussian Process Regression” bei der International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), München Ko-Organisatoren des Learning Control Workshops (im Rahmen des Max Planck ETH Center for Learning Systems), Tübingen 18.-20. November M.J. Black M. Sitti P. Fischer S. Schaal 30. November 58 P. Hennig B. Schölkopf MPI-IS Retreat mit 116 Teilnehmern, Monbachtal, Bad Liebenzell Einweihungssymposium des Max Planck ETH Center for Learning Systems in Tübingen 34 VII Dokumentation 2015 3. Dezember S. Schaal 11. Dezember P. Hennig 11. Dezember M. GrosseWentrup 11. Dezember M. J. Black M. Loper J. Romero G. Pons-Moll N. Mahmood P. Gehler 12. Dezember 10.-13. Dezember M. J. Black 17. Dezember M. Hirsch Ko-Organisator des Workshops “A new age of computing and the brain” – Report of the CCC Brain workshop (CCC = Computing Community Consortium), USA Ko-Organisator des NIPS Workshops “Probabilistic Integration” bei der 29th Annual Conference on Neural Information Processing Systems, Montreal, Kanada Ko-Organisator des NIPS Workshops “Machine Learning and Interpretation in Neuroimaging: Beyond the Scanner” bei der 29th Annual Conference on Neural Information Processing Systems, Montreal, Kanada Tutorial “How to build a digital human body” bei der International Conference on Computer Vision (ICCV), Santiago, Chile Ko-Organisator des Workshops “Inverse Rendering” bei der International Conference on Computer Vision (ICCV), Santiago, Chile Ko-Organisator des Workshops “Scenes from Videos II,” Colchagua Valley, Chile Ko-Organisator des Workshops “Machine Learning for Intelligent Image and Video Processing” bei der International Conference on Computer Vision (ICCV), Santiago, Chile 59 35 VII Dokumentation 2015 e) Weitere Veranstaltungen 2015 26. Januar MPI-IS Special Talk in Stuttgart: “Haptics: The Technology of Touch,” Katherine J. Kuchenbecker, University of Pennsylvania, USA 09. März MPI-IS 18. März MPI-IS Max Planck Lecture in Stuttgart: “Aerial Robot Swarms,” Vijay Kumar, University of Pennsylvania, USA Special Talk in Tübingen: “Modelling in the Context of Massively Missing Data,” Neil Lawrence, University of Sheffield, UK 23. – 27. März MPI-IS Abt. Schütz Betreuung Schülerpraktikum BoGy 3 Schüler(in) der Klassenstufe 10 mit naturwissenschaftlichen Interessen erhielten Einblick in das Berufsfeld eines Wissenschaftlers in der Forschung 23. April MPI-IS MPI-FKF Girls’ Day am MPI-IS Stuttgart und MPI-FKF: Girls’ Future Day 2015: 40 Mädchen gewannen Einblick in Berufsperspektiven im Bereich Forschung und Wissenschaft 23. April MPI-IS MPI-KYB Girls’ Day am MPI-IS Tübingen und MPI-KYB: Girls’ Future Day 2015: 8 Mädchen lernten Aktivitäten und Arbeitsplätze an beiden Instituten kennen 27. April MPI-IS Grundsteinlegung des MPI-IS Neubaus in Tübingen Martin Stratmann, Präsident der MPG, Theresia Bauer, Ministerin für Wissenschaft, Forschung und Kunst in Baden-Württemberg, Boris Palmer, Oberbürgermeister von Tübingen, Bernd Engler, Rektor der Universität Tübingen, Dieter Broghammer, Architekt des Gebäudes, Stefan Schaal, MPI-IS 7. Mai M. J. Black F. Wichmann Zwei Vorträge beim “Science Notes” mit Focus auf Perzeption (200 Zuhörer), die Kick-off Veranstaltung des TÜFFF Tübingen 8. Mai MPI-IS Teilnahme am “Tübinger Fenster für Forschung” (TÜFFF, ca. 2500 Besucher) Informationsstand in Tübingen 20. Mai J. Albrecht, S. Ruoß, C. Stahl, J. Bayer Wissenschaftliche Exkursion des Master of Science Studiengangs Materialwissenschaften der Hochschule Aalen ans MPI IS Stuttgart 17.-18. Juli L. Righetti S. Trimpe 60 mit Tech Open Air Berlin “Impulse aus der Zukunft,” organisiert durch die Max Planck Gesellschaft und die Technologiestiftung Berlin “How to train a robot” (L. Righetti) “Don’t chat when there is nothing to say” (S. Trimpe) 36 VII Dokumentation 2015 24. Juli MPI-IS Günter Petzow Kolloquium 2015 und Preisverleihung des Günter Petzow Preises 2015, Stuttgart F. Allgöwer: „Industrie 4.0 und die Kybernetik des 21. Jahrhunderts“ G. Thurn: „Fachliche und persönliche Anforderungen der Porsche AG an Nachwuchskräfte“ G. Borho: „Das Bionic Learning Network von Festo: Lernen von der Natur“ A.G. Mark: „Nanoparticles grown-to-order“ August Jonas Peters B. Schölkopf Kurs “Kausalität, Exoplaneten und Black Jack: Wie man aus Daten lernt” bei der Sommerakademie der Studienstiftung des deutschen Volkes 27. Oktober MPI-IS 28. Oktober MPI-IS 30. November MPI-IS Richtfest des MPI-IS Neubaus in Tübingen: Simone Schwanitz, Ministerialdirektorin im Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg, Boris Palmer, Oberbürgermeister von Tübingen, Dieter Grömling, Bauabteilung der MPG, Dieter Broghammer, Architekt des Gebäudes, Bernhard Schölkopf, MPI-IS T3-Award “Thesis in Three”: in diesem Science Slam präsentierten die Teilnehmer ihr Forschungsprojekt allgemeinverständlich anhand von max. 3 Folien innerhalb von 3 Minuten. 33 Teilnehmer in den Kategorien Bachelor/Master-Arbeit, Doktorarbeit, PostDoc; Stuttgart Einweihung des Max Planck ETH Center for Learning Systems in Tübingen: Martin Stratmann, Präsident der MPG, Lino Guzzella, Rektor der ETH Zürich, Christine Schraner Burgener, Schweizer Botschaft, Theresia Bauer, Ministerin für Wissenschaft, Forschung und Kunst in Baden-Württemberg, Thomas Hofmann & Bradley Nelson, ETH Zürich Bernhard Schölkopf, MPI-IS 61 Jahrbuch 2015/2016 | Geiger, Andreas | Roboter lernen sehen VIII Dokumentation 2015 Roboter lernen sehen Robots learn how to see Geiger, Andreas Max-Planck-Institut für Intelligente Systeme, Standort Tübingen, Tübingen Korrespondierender Autor E-Mail: [email protected] Zusammenfassung Autonome Fahrzeuge und intelligente Haushaltshelfer könnten schon bald unseren Alltag angenehmer und sicherer gestalten. Um autonom handeln zu können, müssen solche Systeme allerdings zunächst lernen, ihre Umgebung wahrzunehmen. Beispielsweise müssen Entfernung geschätzt, Bewegungen gemessen, Objekte erkannt und die dreidimensionale Szene als Ganzes interpretiert werden. Während dem Menschen die Wahrnehmung mühelos erscheint, müssen Computer dieselben Fähigkeiten erst erlernen. Wir entwickeln mathematische Modelle, die es Computern erlauben, ihre Umgebung robust wahrzunehmen. Summary Autonomous vehicles and intelligent service robots could soon contribute to making our lives more pleasant and secure. However, for autonomous operation such systems first need to learn the perception process itself. This involves measuring distances and motions, detecting objects and interpreting the threedimensional world as a whole. While humans perceive their environment with seemingly little efforts, computers first need to be trained for these tasks. Our research is concerned with developing mathematical models which allow computers to robustly perceive their environment. Zukunftsvision Intelligente Roboter Noch ist es eine Zukunftsvision, aber schon bald könnten intelligente Roboter unser Leben in vielfältiger Weise sicherer und angenehmer machen. Autonome Fahrzeuge würden uns sicher zum Arbeitsplatz bringen und zugleich neue zeitliche Freiräume schaffen. Warensendungen und Lebensmittel könnten ohne menschliches Zutun geliefert, Staus durch kooperatives Kolonnenfahren verringert und Unfälle durch zuverlässige Technik vermieden werden. Personen, die selbst kein Fahrzeug führen können, würden an Mobilität gewinnen. Aber auch im Haushalt könnten Roboter Arbeiten übernehmen, die weit über die Fähigkeiten heutiger Haushaltsroboter hinausgehen. So könnten intelligente Roboter Geschirr abräumen und spülen, die Wäsche waschen, das Bad reinigen, Möbel zusammenbauen und Reparaturen aller Art durchführen. In unserer alternden Gesellschaft könnten insbesondere pflegebedürftige Personen profitieren, da Pflegekräfte durch technische Unterstützung mehr Zeit für| die Zuwendung zum Patienten gewinnen würden. Weitere Szenarien Jahrbuch 2015/2016 | Geiger, Andreas Roboter lernen sehen für intelligente Roboter sind Katastropheneinsätze, automatisierte Materialprüfung, Kartographie, Raumfahrt und medizinische Eingriffe, um nur einige Beispiele zu nennen. © 2016 Max-Planck-Gesellschaft 62 www.mpg.de 1/6 Roboter lernen Sehen Um wie ein Mensch Entscheidungen treffen zu können und mit der Umwelt zu interagieren, müssen Roboter Jahrbuch 2015/2016 | Geiger, Andreas | Roboter lernen sehen Dokumentation 2015 und medizinische Eingriffe, um nur einige Beispiele zu nennen. VIII Roboter lernen Sehen Um wie ein Mensch Entscheidungen treffen zu können und mit der Umwelt zu interagieren, müssen Roboter zunächst ihre Umwelt wahrnehmen. Einer der wichtigsten und kostengünstigsten Sensoren dabei ist die digitale Kamera, welche ähnlich dem menschlichen Auge ein Abbild der dreidimensionalen Umgebung auf die zweidimensionale Bildfläche zeichnet. Während Anfang der 1960-er Jahre noch die Überzeugung herrschte, dass die Gewinnung von Informationen aus Kamerabildern ein einfaches Problem darstellt, haben sich aus den ersten Anstrengungen mittlerweile große Forschungsfelder, insbesondere das “maschinelle Sehen” und das “maschinelle Lernen” entwickelt. Die Schwierigkeit besteht darin, die großen Mengen an aufgezeichneter Information in einfache, abstrakte Signale umzuwandeln. Zur Veranschaulichung dient im Folgenden das autonome Fahren. A bb. 1: Link s: O bje k twisse n wie die 3D-Ge om e trie von Fahrze uge n (unte n) lässt sich nutze n, um Me hrde utigk e ite n aufzulöse n und so die Schätzung von Tie fe ninform atione n im Ve rgle ich zu e x istie re nde n Ve rfahre n (obe n) robuste r zu ge stalte n (Mitte ). R e chts: Be we gte Sze ne n be ste he n oft aus e ine r k le ine n Anzahl sich unabhängig be we ge nde r, starre r O bje k te . Unte r Ausnutzung die se s W isse ns lässt sich die Sze ne in ihre sich be we ge nde n Ele m e nte unte rte ile n (obe n), und die Be we gung im Bild lässt sich be sse r e inschätze n (Mitte ). Die wahre Be we gung ist im unte re n Bild darge ste llt. Zur Visualisie rung wurde n Entfe rnungs- und Flussinform atione n in be ide n Abbildunge n als Falschfarbe n darge ste llt. © Andre as Ge ige r Um Tiefeninformationen gewinnen zu können, werden in modernen Fahrzeugen Stereokameras genutzt, welche – ähnlich dem menschlichen Sehmechanismus – aus zwei leicht versetzten Bildsensoren aufgebaut sind. Bei einer Aufzeichnungsgeschwindigkeit von 25 Bildern pro Sekunde und einer Auflösung von 2 Millionen Pixeln pro Bild entspricht dies 50 Millionen Intensitäts- oder Farbwerten pro Sekunde. Aus dieser Datenflut müssen nun einige wenige Steuersignale für das Fahrzeug extrahiert werden, wie beispielsweise Signale für Gas, Bremse sowie Lenkung. Die korrekte Umwandlung der hochdimensionalen Eingangsdaten in abstrakte niedrigdimensionale Steuersignale ist jedoch nicht nur mit einem extrem hohen Rechenaufwand verbunden. Sie ist auch mathematisch äußerst anspruchsvoll. So erzeugt ein und dieselbe Szene zu unterschiedlichen © 2016 Max-Planck-Gesellschaft www.mpg.de 2/6 63 Jahrbuch 2015/2016 | Geiger, Andreas | Roboter lernen sehen VIII Tageszeiten komplett verschiedene Bilder, beispielsweise Dokumentation 2015 durch unterschiedlichen Sonnenstand oder Witterungsbedingungen. Keines der Pixel ähnelt sich mehr. Basierend auf Erfahrungen und Kontextinformation hat der Mensch gelernt, solch irrelevante Informationen zu abstrahieren und seinen Blick “aufs Wesentliche” zu lenken. Ein Computer muss dies dagegen erst mühsam erlernen, um in allen Situationen korrekt reagieren zu können. Darüber hinaus sind nicht alle Pixel in einem Bild für die zu lösende Aufgabe gleich wichtig. So erscheinen entscheidende Objekte oft sehr klein, wie zum Beispiel ein Verkehrsschild oder ein von einem Fahrzeug teilweise verdeckter Fußgänger am Fahrbahnrand. Während der Mensch weiß, auf was zu achten ist, muss ein Computer sich diese Kenntnisse erst aneignen. Eine Welt voller Strukturen Um Robotern das Sehen beizubringen, müssen aus der eingehenden Datenflut die für den Roboter relevanten Informationen zuverlässig herausgefiltert werden. Relevante Informationen sind hierbei unter anderem die Position des Roboters in einer Karte, die 3D-Position und Orientierung der ihn umgebenden Objekte, die Bewegung von Objekten, die Objektart und mögliche Formen der Interaktion (zum Beispiel die Möglichkeit, das Objekt zu greifen), der begehbare beziehungsweise befahrbare Bereich, Hindernisse sowie die Struktur der unmittelbaren Umgebung. Zur Rekonstruktion der Umgebung und zur Schätzung der Bewegung lassen sich dabei Korrespondenzen in Kamerabildern heranziehen; also Pixel, die in unterschiedlichen Bildern den gleichen Objektpunkt zeigen. Wird beispielsweise dieselbe Szene zu einem Zeitpunkt mit Hilfe zweier Kameras aus zwei unterschiedlichen Blickwinkeln aufgenommen, so lässt sich ein dreidimensionaler Weltpunkt aus einer Merkmalskorrespondenz durch Triangulation schätzen. Korrespondenzen müssen auch dann gefunden werden, wenn die Bewegung im Bild oder in der dreidimensionalen Umgebung geschätzt werden soll. Um beispielsweise die Position von Verkehrsteilnehmern in der unmittelbaren Zukunft vorherzusagen, muss zunächst die vergangene Bewegung des Objektes bekannt sein. Während die Suche von korrespondierenden Bildpunkten in texturierten Bereichen relativ einfach ist, ergeben sich für homogene, reflektierende oder spiegelnde Oberflächen keine eindeutigen Zuordnungen, da viele Bildpunkte als Korrespondenz für ein Referenzpixel in Frage kommen. Im Gegensatz zur Computergrafik, welche die Projektion einer 3D-Szene in die Bildebene modelliert, muss beim maschinellen Sehen das inverse Problem gelöst werden. Dieses ist jedoch schlecht gestellt, da nur zweidimensionale Abbildungen der tatsächlichen dreidimensionalen Welt beobachtet werden. Mehrdeutigkeiten bei der Bildkorrespondenzsuche sind nur ein Beispiel hierfür. Glücklicherweise ist unsere Welt nicht beliebig aufgebaut, sondern weist reichhaltige Strukturen auf. So sind 3D-Oberflächen typischerweise glatt; Objektgrenzen fallen meist mit einem Farb- oder Grauwertübergang zusammen. Auch müssen physikalische Gesetze gelten: So können etwa Objekte nicht ohne Antrieb in der Luft schweben, und die meisten Objekte durchdringen sich nicht gegenseitig. Aber nicht nur die Natur, auch der Mensch schafft vielfältige Regelmäßigkeiten. So werden Straßen meist von Häusern gesäumt, deren Wände ihrerseits wieder in rechten Winkeln angeordnet sind. Betten stehen häufiger an einer Wand als in der Mitte eines Raumes, und Nachttische kommen häufiger im Schlafzimmer als im Flur vor. Stühle stehen meist um einen Tisch, und Waschbecken gibt es vorwiegend in Küche und Bad. Die Nutzung dieses strukturellen Wissens kann dabei helfen, Mehrdeutigkeiten aufzulösen und ein konsistenteres, genaueres und vollständigeres Schätzergebnis zu erzielen. Zur Modellierung können sogenannte graphische Modelle herangezogen werden, die zeigen, wie Objekte und Beobachtungen gegenseitig und miteinander statistisch in Beziehung stehen. Der Graph in Abbildung 2 beschreibt dabei, welche Abhängigkeiten für das Modell relevant sind, und macht unsicherheitsbehaftete Zustandsschätzungen mit vertretbarem Rechenaufwand erst möglich. 64 © 2016 Max-Planck-Gesellschaft www.mpg.de 3/6 Jahrbuch 2015/2016 | Geiger, Dokumentation 2015 Andreas | Roboter lernen sehen VIII A bb. 2: Link s: Schätzung von 3D-Sze ne n basie re nd auf Farbund Tie fe nbilddate n. Ge om e trie - und Konte x twisse n unte rstützt die Erk e nnung von O bje k te n und die se m antische Klassifik ation. R e chts: Ge ne rative s probabilistische s Mode ll zur Schätzung von Ve rk e hrssze ne n (unte n) basie re nd auf Vide ose que nze n (obe n). © Andre as Ge ige r Zur Veranschaulichung sind im Folgenden fünf Beispiele aktueller Forschung aufgeführt, welche sich die Gesetzmäßigkeiten der Welt auf diese Weise zu Nutze machen. Bekannte Geometrien Algorithmen zur Stereorekonstruktion, also zur Tiefengewinnung aus zwei gleichzeitig aufgenommenen Bildern, haben in den letzten Jahren an Genauigkeit, Effizienz und Flexibilität hinzugewonnen [1]. Dennoch bleiben einige Probleme nach wie vor ungelöst. So lassen sich unter anderem texturarme und reflektierende Oberflächen nur schlecht oder gar nicht rekonstruieren. Im schlimmsten Fall kommt es zu Fehlmessungen, die katastrophale Folgen für ein sicherheitsrelevantes technisches System haben könnten. Der Grund für das Versagen existierender Verfahren sind die üblicherweise eingesetzten, relativ schwachen Weltannahmen, welche typischerweise stückweise Glattheit von Oberflächen erfordern. Die statistischen Abhängigkeiten in Tiefendaten sind aber deutlich komplexer. In [2] wird daher ein Verfahren vorgeschlagen, welches Objektwissen nutzen kann. Die Idee dabei ist, dass Objekte einer bestimmten semantischen Kategorie (wie etwa Autos, Gebäude oder Straße) keine beliebigen dreidimensionalen Formen aufweisen, sondern gewissen geometrische Regelmäßigkeiten folgen. Diese Regelmäßigkeiten können ausgenutzt werden, um den Suchraum für die Rekonstruktion einzuschränken, und führen dadurch zu genaueren Tiefenkarten [3]. Ähnliche Formen Eine andere Art von Objektwissen, welche zur Rekonstruktion verwendet werden kann, ist die Tatsache, dass viele von Menschen geschaffene Strukturen, wie etwa Autos oder Häuser, geometrische Ähnlichkeit aufweisen. In [4] werden diese Annahmen ausgenutzt, um Objekte besser rekonstruieren zu können. Insbesondere lassen sich dadurch Bereiche, die der Sensor etwa aufgrund von Verdeckungen schlecht oder gar nicht einsehen kann, rekonstruieren. Starre Bewegungen Unsere Welt ist voller Dynamik, Objekte bewegen sich in unterschiedlichste Richtungen. Allerdings ist auch diese Dynamik nicht zufällig, sondern strukturiert. So bewegen sich die meisten Verkehrsteilnehmer als ein starres Ganzes. Dies erlaubt die Beschreibung von dynamischen Szenen durch die Bewegungsparameter © 2016 Max-Planck-Gesellschaft www.mpg.de 65 4/6 VIII Dokumentation 2015 Jahrbuch 2015/2016 | Geiger, Andreas | Roboter lernen sehen jedes einzelnen Objekts, wie in [5] vorgeschlagen. Im Vergleich zu einer Pixel-basierten Bewegungsschätzung müssen so deutlich weniger Variablen repräsentiert und geschätzt werden. Das macht das Ergebnis zugleich genauer und robuster. Ganzheitliche Räume Weltwissen kann auch die Schätzung von kompletten 3D-Szenen stützen. [6] beschreibt ein Modell, das basierend auf einem einzigen Farbbild und einem Tiefenbild die Position, Geometrie und Semantik aller Objekte in der Szene sowie die begrenzenden Wände, den Fußboden und die Raumdecke schätzen kann. Ermöglicht wird dies durch die Integration von 3D-CAD-Modellen, welche die Form von Objekten sowie deren Größe beschreiben und als a-priori Wissen genutzt werden. Die ganzheitliche Betrachtung inklusive Kontextinformation (zum Beispiel relative Position von bestimmten Objekttypen) erlaubt dabei eine robuste und physikalisch plausible Schätzung der dreidimensionalen Szene. Autonomes Fahren Eine der schwierigsten Situationen für autonome Fahrzeuge ist das Befahren von innerstädtischen Straßenkreuzungen, da die ungünstige Perspektive der im Fahrzeug angebrachten Kamera, Verdeckungen sowie fehlerhafte Fahrbahnmarkierungen für Unsicherheit sorgen. Zur Lösung des Problems wird in [7,8] ein generatives Modell vorgeschlagen, welches eine Straßenszene hierarchisch repräsentiert. So ist das Modell in der Lage, aufbauend auf Hypothesen der Straßentopologie und -geometrie, die Position von Gebäuden zu schätzen und geschwindigkeit Fahrzeuge der zu Fahrzeuge den wahrscheinlichsten werden dabei über Fahrspuren die zuzuordnen. Straßengeometrie in Fahrtrichtung Bezug zur und - aktuellen Ampelsituation und zur Position und Geschwindigkeit anderer Verkehrsteilnehmer gesetzt und ermöglichen so eine ganzheitliche und robuste Interpretation der Szene unter Berücksichtigung typischer Verkehrssituationen. Ausblick Die Forschung wird noch eine Weile brauchen, bis Roboter es mit dem überaus komplexen Sehvermögen eines Menschen werden aufnehmen können. Letztendlich ist Sehen die Umwandlung von Licht in Bedeutung. Licht, das von Oberflächen reflektiert wird und in den Augen oder auf der Bildebene einer Kamera ankommt, muss sinnvoll interpretiert werden, um nützlich für einen Organismus oder Roboter zu sein. Diese Interpretation ist ein Prozess der Folgerung aus mehrdeutigen und unvollständigen Messungen unter Berücksichtigung von Erfahrung und Wissen. Die Abteilung “Perzeptive Systeme” am MPI für Intelligente Systeme fokussiert sich auf die Aufdeckung der grundlegenden mathematischen und computergestützten Grundsätze, die diesem Prozess zugrunde liegen. Dies beinhaltet ein statistisches Verständnis der Welt mit ihren Formen, Bewegungen und Materialeigenschaften, sowie die Modellierung der Abbildungsverfahren (einschließlich optischer Unschärfe, Bewegungsunschärfe, Rauschen, Diskretisierung) und die Ausarbeitung von Algorithmen, um Lichtmessungen in Informationen über die Struktur der Welt umzuwandeln. Literaturhinweise [1] Schönbein M., Geiger A. Omnidirectional 3D Reconstruction in Augmented Manhattan Worlds IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 716-723 (2014) 66 © 2016 Max-Planck-Gesellschaft www.mpg.de 5/6 zugrunde liegen. Dies beinhaltet ein statistisches Verständnis der Welt mit ihren Formen, Bewegungen und Materialeigenschaften, sowie die Modellierung der Abbildungsverfahren (einschließlich optischer Unschärfe, Bewegungsunschärfe, Rauschen, Diskretisierung) und die Ausarbeitung von Algorithmen, um Lichtmessungen Dokumentation in Informationen über die 2015 Struktur der Welt umzuwandeln. VIII Literaturhinweise [1] Schönbein M., Geiger A. Omnidirectional 3D Reconstruction in Augmented Manhattan Jahrbuch 2015/2016 | Geiger, Andreas | Roboter lernen sehen Worlds IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 716-723 (2014) © Max-Planck-Gesellschaft Güney F., Geiger A. [2]2016 www.mpg.de 5/6 Displets: Resolving Stereo Ambiguities using Object Knowledge IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 4165-4175 (2015) [3] Geiger A., Lenz P., Urtasun R. Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3354-3361 (2012) [4] Zhou C., Güney F., Wang Y., Geiger A. Exploiting Object Similarity in 3D Reconstruction IEEE International Conference on Computer Vision (ICCV), 2201-2209 (2015) http://www.cvfoundation.org/openaccess/content_iccv_2015/papers/Zhou_Exploiting_Object_Similarity_ICCV_2015_paper.pdf [5] Menze M., Geiger A. Object Scene Flow for Autonomous Vehicles IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3061-3070 (2015) [6] Geiger A., Wang C. Joint 3D Object and Layout Inference from a single RGB-D Image Pattern Recognition. German Conference on Pattern Recognition (GCPR), 183-195 (2015) [7] Geiger A., Lauer M., Wojek C., Stiller C., Urtasun R. 3D Traffic Scene Understanding from Movable Platform IEEE Transactions on Pattern Analysis and Machine Intelligence, 36(5), 1012-1025 (2014) [8] Zhang H., Geiger A., Urtasun R. Understanding high-level Semantics by modeling Traffic Patterns IEEE International Conference on Computer Vision (ICCV), 3056-3063 (2013) 67 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in Nanomaterialien VIII Dokumentation 2015 Grenzflächenkontrollierte Phänomene in Nanomaterialien Interface-controlled phenomena in nanomaterials Mittemeijer, Eric J.; Wang, Zumin Max-Planck-Institut für Intelligente Systeme, Standort Stuttgart, Stuttgart Korrespondierender Autor E-Mail: [email protected] Zusammenfassung Materialien im Nanometerbereich haben eine außergewöhnlich große interne Grenzflächendichte. Eine Reihe von zuvor unbekannten Phänomenen in Nanomaterialien wurde enthüllt, die grundsätzlich auf die vorhandenen Grenzflächen zurückzuführen sind. So wurden ungewöhnlich große und kleine Gitterparameter in nanokristallinen Metallen, Quanten-Spannungsoszillationen in wachsenden Nanoschichten und außerordentlich hohe Mobilitäten von Atomen bei sehr tiefen Temperaturen beobachtet und erklärt. Das dabei gewonnene Verständnis kann zu neuen Anwendungen von Nanomaterialien in Spitzentechnologien führen. Summary Nanosized material systems characteristically exhibit an excessively high internal interface density. A series of previously unknown phenomena in nanomaterials have been disclosed that are fundamentally caused by the presence of interfaces. Thus anomalously large and small lattice parameters in nanocrystalline metals, quantum stress oscillations in growing nanofilms, and extraordinary atomic mobility at ultralow temperatures have been observed and explained. The attained understanding for these new phenomena can lead to new, sophisticated applications of nanomaterials in advanced technologies. Materialien im Nanobereich besitzen (sehr) kleine Korn-/Partikelgrößen, d.h. die Korn-/Partikelgröße ist (viel) kleiner als 100 nm. Beispiele von solchen Materialien im Nanobereich sind Dünnschichten, 3D Schichtstrukturen, Nano-Verbundstoffe, nanoporöse Materialien oder Nanoröhrchen, usw. Aufgrund ihrer außergewöhnlich großen Grenzflächendichte (in der Größenordnung von 100 km2 /m3 ) ist ein großer Anteil der Atome Teil oder benachbart zu einer Grenzfläche. Solche Atome haben höchstwahrscheinlich deutlich andere Energien, als Atome im Volumen des Materials. Deshalb können Materialien im Nanobereich (sehr) ungewöhnliche Eigenschaften besitzen, die im Prinzip einen Weg zu fortschrittlichen Materialsystemen mit neuen Funktionalitäten eröffnen. Ein grundlegendes Verständnis der Rolle von Grenzflächen auf die Materialeigenschaften entscheidend für die vertieft deshalb nicht nur unser Verständnis Entwicklung neuer Materialien und der Natur, sondern ist deshalb ist ebenso an der vordersten Front der Materialforschung [1]. Diese Abhandlung fasst drei faszinierende Entdeckungen von grenzflächenkontrollierten Phänomenen zusammen, die in den letzten Jahren von Forschern in unserer Abteilung gemacht wurden. 68 © 2016 Max-Planck-Gesellschaft www.mpg.de 1/9 Dokumentation 2015 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in Nanomaterialien VIII 1. Außergewöhnliche Gitterparameter in nanokristallinen Metallen Der Gitterparameter von kristallinen Materialien (also der Abstand der Atome im Kristallgitter) kann sich dramatisch ändern, wenn die Dimension in den Nanobereich rückt. Einzelne Beobachtungen aus der Vergangenheit führen zu widersprüchlichen Ergebnissen (Gitterparameter von Nanomaterialien entweder größer oder kleiner als der von massiven Materialien mit großen Korngrößen), was zu kontroversen Diskussionen geführt hat. Um endgültig den Einfluss der (Nano)Korngröße auf den Gitterparameter in nanokristallinen Metallen aufzuklären, wurden nanokristalline Metalle durch Vermahlen von Nickel, Eisen, Kupfer und Wolfram in einer Kugelmühle hergestellt. Die Stahlkugeln zerschlagen die Metalle in einer zylinderförmigen Trommel in winzige Kristallkörner mit einer mittleren Korngröße von 10 nm. Durch den Einsatz von Elektronenmikroskopie und Röntgendiffraktometrie wurde das erste Mal systematisch untersucht, wie sich der Gitterparameter mit der Kristallkorngröße (1000 nm → 10 nm) ändert [2]. Die dabei gewonnenen experimentellen Ergebnisse für nanokristallines Nickel sind in Abb. 1a gezeigt. Es wurde beobachtet, dass anfangs das Kristallgitter von allen vier untersuchten Metallen sich mit abnehmender Korngröße zusammenzieht. Wenn die Korngröße allerdings unter eine kritische Größe von ungefähr 30 nm fällt, dann weitet sich unerwarteter Weise das Kristallgitter aller vier Metalle wieder auf, d.h. der Abstand der Atome steigt. Diese bemerkenswerte Beobachtung, dass der Gitterparameter in nanokristallinen Metallen nicht monotonisch von der Korngröße abhängt, kann auf der Basis von zwei gegeneinander laufenden Beiträgen, die auf die speziellen Eigenschaften der Grenzflächen zwischen zwei benachbarten Körnern zurückgeführt werden können, verstanden werden. [2]: (i) Grenzflächenspannung und (ii) der Überschuss an Freiem Volumen an der Grenzfläche (Korngrenze); siehe dazu die schematische Illustration in Abb. 1b. Beitrag (i): Die Atome, die im Korninneren dichtest gepackt angeordnet sind, besitzen viele Bindungen zu anderen Atomen und haben eine geringere Energie, als Atome, die sich an der Grenzfläche (d.h. an der Korngrenze) befinden. Diese Atome an der Grenzfläche besitzen nicht die angestrebte Koordination mit umgebenden Atomen (es können z.B. Bindungspartner fehlen). Dies führt zu einer Grenzflächenenergie oder einer Grenzflächenspannung, die mit einem Druck (hydrostatischer Spannung) auf die Körner verbunden ist, und welcher größer wird, wenn der Krümmungsradius der Grenzfläche, und damit die Korngröße, abnimmt. Dies führt dazu, dass die Atome näher und näher aneinander rücken, wenn die Korngröße sinkt, was zu einer Gitterschrumpfung mit sinkender Korngröße führt. Beitrag (ii): Unter einer gewissen Korngröße kommt ein weiterer Effekt der Atome an der Kornoberfläche (der Grenzfläche) zum Tragen. Die Atome an der Grenzfläche von den benachbarten Körnern versuchen eine Zwischenposition zwischen den beiden sich überschneidenden Kristallgittern einzunehmen. Sie rücken deshalb von ihren ursprünglichen Gitterplätzen ab, was dazu führt, dass das Volumen pro Atom an der Grenzfläche größer ist als das Volumen pro Atom in einem regulären Gitter [3]. 69 © 2016 Max-Planck-Gesellschaft www.mpg.de 2/9 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in VIII Dokumentation 2015 Nanomaterialien A bbildung 1. (a) R e lative Ände rung de s Gitte rparam e te rs in Abhängigk e it de r re ziprok e n Korngröße , 100/D, e ine s durch Kuge lm ahle n he rge ste llte n nanok ristalline n Ni Pulve rs (die ge striche lte Line wurde ge ze ichne t, um das Auge zu führe n). © Übe rnom m e n von R e f. [2] m it de r Erlaubnis von Else vie r, C opyright 2013. Dieses überschüssige Freie Volumen, welches sich an Korngrenzen in nanokristallinen Metallen befindet, verursacht Spannungsfelder, die den Abstand zwischen den Atomen in den Nanokörnern vergrößern. Der Beitrag dieses überschüssigen Freien Volumens an den Korngrenzen ist vernachlässigbar klein für Metalle mit einer mittleren Korngröße größer als 30 nm. Bei kleineren Korngrößen nimmt allerdings das überschüssige Freie Volumen sehr stark zu [3] und der gitteraufweitende Beitrag beginnt den gitterschrumpfenden Beitrag durch die Grenzflächenspannung zu überwiegen, was bei einer weiteren Korngrößenreduzierung zu einer Netto Gitteraufweitung führt. 2. Spannungen Quanteneffekte in ultradünnen, nanometerdicken Schichten verursacht durch 70 © 2016 Max-Planck-Gesellschaft www.mpg.de 3/9 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in Nanomaterialien Dokumentation 2015 VIII A bbildung 1. (b) Nanom ate rialie n zie he n sich zusam m e n und de hne n sich aus: De r Abstand zwische n de n Atom e n nim m t zunächst m it sink e nde r Korngröße ab; unte r e ine r k ritische n Korngröße nim m t de r Abstand dann wie de r zu. Die Ursache für die se s Ve rhalte n ist die W e chse lwirk ung zwische n de r Gre nzfläche nspannung und de m übe rschüssige n Fre ie n Volum e n an de r Gre nzfläche (Korngre nze ); le tzte re s ge winnt die Übe rhand unte r e ine r k ritische n Korngröße (~30 nm ). © Abte ilung Mitte m e ije r, MPI für Inte llige nte Syste m e , Stuttgart Bauteile, die aus Heterostrukturen von Metallen, Halbleitern und Oxiden bestehen, finden heutzutage großflächig Anwendung im täglichen Leben. Es ist schon lange bekannt, dass sich während des (epitaktischen) Wachstums von einem kristallinen Material(Schicht) auf einem anderen (Substrat) deutliche Spannungen an der Grenzfläche aufbauen können. Diese Spannungen haben enormen Einfluss auf die Eigenschaften dieser Heterostrukturen. Eine wohl bekannte Ursache von solchen Spannungen ist die Gitterfehlpassung zwischen den beiden Materialien [4]. Diese Ursache ist allerdings keinesfalls die einzige für Spannungen während des Wachstums von ultradünnen, nanometerdicken Schichten. Es wurde kürzlich unerwartet entdeckt [5], dass die planare Spannung im anfänglichen Stadium des (epitaktischen) Metalschichtwachstums mit zunehmender Schichtdicke deutlich oszillieren kann. Für diese Entdeckung wurde eine Schichtwachstumsanlage verwendet, womit auf einem Siliziumsubstrat eine einatomar dicke Schicht von Aluminium nach der anderen präzise abgeschieden werden kann, vergleichbar mit dem Bau einer Ziegelmauer. Durch die Messung der Spannung (in situ während des Schichtwachstums) in einer einzelnen Atomlage, dann in einer Zweifachlage, einer Dreifachlage und so weiter, konnte bestimmt werden, wie sich die Spannung in der Aluminiumschicht mit der Abscheidung von jeder weiteren Atomlage verändert. Dazu wurde gemessen, wie stark sich das Siliziumsubstrat durch die Spannung verformte (verbog) [6]. Dabei wurde überraschenderweise herausgefunden, dass die Spannung in der Schicht während des Wachstums um bis zu 100 MPa schwankte (siehe Abb. 2a [5]). Die grundsätzliche Erklärung für dieses faszinierende Phänomen sind (wieder) die Grenzflächen [5]. In ultradünnen Metallschichten sind die Freien Elektronen in einem „Potentialtopf“ zwischen der Vakuum/Metall © 2016 Max-Planck-Gesellschaft www.mpg.de 4/9 71 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in VIII Nanomaterialien Dokumentation 2015 ultradünnen Metallschichten sind die Freien Elektronen in einem „Potentialtopf“ zwischen der Vakuum/Metall Grenzfläche auf der einen Seite und der Metall/Substrat Grenzfläche auf der anderen Seite gefangen (so genanntes „quantum confinement“). Da die Dicke der ultradünnen Schicht (einige wenige Atomlagen dick) vergleichbar mit der Wellenlänge der Freien Elektronen ist, hat dieses „quantum confinement“ starke Auswirkungen. Die Elektronen können nur noch deutlich unterschiedliche Energieniveaus einnehmen und die gesamte Elektronenenergie schwankt mir der kontinuierlich steigenden Schichtdicke (siehe die rote Kurve in Abb. 2b) [7]: Sie nimmt zunächst mit steigender Schichtdicke zu, nimmt dann ab, nimmt wieder zu und so weiter. Während des Wachstums strebt die Schicht durch elastische Verformung eine Dicke an, bei der die Elektronenenergie minimal ist. Ist die Schicht ein wenig zu dick, so neigt sie dazu lateral zu expandieren und ist die Schicht ein wenig zu dünn, so neigt sie dazu sich lateral zusammenzuziehen, um in den Zustand minimaler Energie zu gelangen. Da die Schicht fest mit dem steifen Substrat verbunden ist, kann eine solche laterale Expansion/Kontraktion nicht erfolgen, was zu einer Druck/Zug- Spannungsentwicklung parallel zur Oberfläche führt. Wie in Abb. 2b schematisch gezeigt ist, zieht sich die Schicht bei einer Dicke von fünf Atomlagen zusammen, dehnt sich bei sieben Atomlagen aus und so weiter. Durch die Kombination der Theorie für Freie Elektronen (welche die Elektronenenergie in Abhängigkeit der Schichtdicke beschreibt) Spannungsoszillationen und der entwickelt Elastizitätstheorie werden [5], konnte welches ein eine quantitatives exzellente Model für Vorhersage diese der Spannungsentwicklung (Oszillation) mit zunehmender Schichtdicke erlaubt (siehe den Vergleich zwischen den experimentellen und den berechneten Werten in Abb. 2a). Die Entdeckung von Spannungsoszillationen durch „quantum confinement“ kann offensichtlich eine bedeutende Rolle in state-of-the-art quantum devices, die auf ultradünnen Heterostrukturen basieren, spielen. Des Weiteren könnten auf Grundlage dieses Wissens sehr empfindliche Sensoren entwickelt werden. 72 © 2016 Max-Planck-Gesellschaft www.mpg.de 5/9 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in Nanomaterialien Dokumentation 2015 VIII A bbildung 2. (b) Sche m atische Illustration, wie sich e ine oszillie re nde m e chanische Spannung in e ine r wachse nde n Alum inium schicht m it e ine r Dick e von fünf und sie be n Atom lage n durch Q uante ne ffe k te ausbilde t. Die Ele k trone ne ne rgie , we lche durch die ge däm pfte oszillie re nde Kurve illustrie rt wird (rote Kurve n), hängt von de r Schichtdick e ab. Um e ine m inim ale Ele k trone ne ne rgie zu e rre iche n, m uss sich die Schichtdick e ände rn. Eine Schicht m it e ine r Dick e von fünf Atom lage n ne igt dazu, ihre Dick e zu re duzie re n und ve rsucht sich de shalb late ral auszude hne n. Da die Alum inium Atom e alle rdings auf de m Substrat fix ie rt sind, e ntwick e lt sich e ine Druck spannung paralle l zur O be rfläche in de r Schicht. In e ine r Schicht m it e ine r Dick e von sie be n Atom lage n hinge ge n te ndie rt die Schicht dazu, ihre Dick e zu e rhöhe n und sich late ral zusam m e nzuzie he n, was zu e ine r Zugspannung paralle l zur O be rfläche führt. © Abte ilung Mitte m e ije r, MPI für Inte llige nte Syste m e , Stuttgart 3. Außerordentliche Mobilität von Atomen an Halbleiter/Metall Grenzflächen bei ultratiefen Temperaturen Die Mobilität von Atomen in Festkörpern kontrolliert viele wichtige Prozesse, wie Interdiffusion, chemische Reaktionen, Phasenumwandlungen, Keimbildung und Wachstum und so weiter. Die Mobilität von Atomen hängt stark von der Temperatur, als auch der Struktur und der (primären) Bindungsart (kovalent, metallisch oder ionisch) des Materials ab [1]. Die Mobilität der Atome kann an der Oberfläche oder an Grenzflächen des Materials, durch die speziellen strukturellen, chemischen und/oder elektronischen Verhältnisse an diesen Stellen, erhöht werden. Ein grundlegendes Verständnis und (lokale) Kontrolle über die Mobilität der Atome ist offensichtlich entscheidend, um die Reaktivität und Langzeitstabilität von Materialien und ihrer Anwendungen während der Herstellung und dem Gebrauch maßzuschneidern [8]. Während der Präparation von künstlichen „Sandwich“-Schichten, die aus einer sehr dünnen 1 nm dicken Silizium oder Germanium Schicht zwischen zwei Aluminiumschichten bestehen: Al|1 nm Si| Al oder Al|1 nm Ge|Al, und mit Hilfe der Gasphasenabscheidung bei flüssig Stickstofftemperaturen hergestellt wurden, konntekürzlich eine extreme Zunahme der Mobilität von Si und Ge Atomen an der Halbleiter-(Si,Ge)-Metall (Al) Grenzfläche beobachtet werden [9]. Es wurde beobachtet, dass eine amorphe 1 nm dicke Ge Schicht (a-Ge) kontinuierlich auf einer epitaktisch © 2016 Max-Planck-Gesellschaft www.mpg.de 6/9 73 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in VIII Dokumentation 2015 Nanomaterialien wachsenden Al Schicht bei -190 °C (siehe Abb. 3a) „aufschwamm“, was auf eine hohe Mobilität von Ge Atomen an der Ge/Al Grenzfläche bei solchen ultratiefen Temperaturen hindeutet [9]. In massivem Si oder Ge werden die Atome durch starke zwischenatomare Kräfte zusammengehalten, welche auf die Ausbildung von sogenannten kovalenten Bindungen zwischen benachbarten Atomen beruhen. Solche Kräfte sind so stark, dass jedes Atom nur leicht an seinem Platz vibrieren kann und sich sicher nicht bei Raumtemperatur (und darunter) von einem Platz zu einem anderen bewegen (springen) kann. Ist Si oder Ge allerdings nahe einem Metall, so kann die Bindung zwischen den Atomen stark von dem benachbarten Metall beeinflusst werden. In situ Röntenphotoelektronspektroskopische Valenzbandmessungen, die auch in dem aktuellen Projekt durchgeführt wurden, zeigten, dass eine modifizierte chemische Bindung von Ge im Kontakt mit einem Metall [d.h. sehr dünne Ge Schichten (nicht dicker als 2 Monolagen) auf reinem Al] auftritt. Die Bindung ändert sich von gerichtet kovalentartig zu ungerichtet metallartig [9]. A bbildung 3. (a) Transm issions e le k trone nm ik rosk pische Aufnahm e e ine s Q ue rschnitte s e ine r (nom ine ll) 20 nm Al|1 nm Ge | Al Probe , die be i Flüssigstick stoffte m pe rature n he rge ste llt wurde , m it (übe rlage rte r) Ele m e ntk onze ntration von Ge (in grün), die m ithilfe von e ne rgie dispe rsive r R öntge nspe k trosk opie (EDX) e rm itte lt wurde . Ein EDX Linie nscan ist auf de r link e n Se ite ge ze igt. Die Be obachtung im plizie rt e ine k ontinuie rliche Be we gung von Ge währe nd de s W achstum s e ine r zusätzliche n 20 nm dick e n Alum inium schicht be i e ine r Te m pe ratur von nur -190 °C ; d.h. die Ge rm anium schicht ble ibt an de r O be rfläche de r wachse nde n Alum inium schicht. © Abte ilung Mitte m e ije r, MPI für Inte llige nte Syste m e , Stuttgart Aufgrund dieser Änderung in der Bindungsart geht eine sehr hohe Mobilität (vergleichbar mit der in flüssigem Ge) von Ge Atomen in der Nähe von Al hervor; siehe die schematische Illustration in Abb. 3b. Wird die Ge Schicht dicker, oder wächst Ge auf einem Aluminiumoxid anstatt auf reinem Aluminium, so tritt die kovalente Bindungsart wieder auf, bzw. bleibt erhalten, und die Mobilität der Ge Atome geht zurück/bleibt bei ihrem „normalen“ Wert (d.h. Ge ist nicht mobil bei Raumtemperatur und darunter). Daraus folgt, dass die sehr hohe Mobilität der Atome nur für Ge (oder Si) Atome, die sich nicht weiter als 2 Atomlagen entfernt von der Halbleiter/Metall Grenzfläche befinden, auftritt. 74 © 2016 Max-Planck-Gesellschaft www.mpg.de 7/9 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in Dokumentation 2015 Nanomaterialien VIII A bbildung 3. (b) Die Bindung von Halble ite ratom e n (wie Silizium ode r Ge rm anium Atom e n) wird auf de r Nanosk ala von be nachbarte n Me talle n (wie Alum inium ) be e influsst und e rlaubt atom are Sprünge se lbst be i Te m pe rature n so nie drig wie -190 °C . © Abte ilung Mitte m e ije r, MPI für Inte llige nte Syste m e , Stuttgart Dieses Phänomen der extrem hohen Mobilität der Atome an Grenzflächen kann noch bedeutsamer werden, wenn man bedenkt, dass Bauteile für Computer, die aus Halbleitern bestehen, immer kleiner werden. Im Moment sind diese schon nur zwischen 10 und 40 nm groß, was dazu führt, dass Vermischungen an den Grenzflächen, aufgrund von einer sehr hohen Mobilität der Atome an der Grenzfläche, immer mehr die Funktionen der Bauteile beeinflussen. Außerdem hat der entdeckte Prozess einen großen Einfluss auf die Herstellung von Dünnschichtsystemen aus hitzeempfindlichen Materialien, da die Halbleiteratome mobil werden können, was kontrollierbare Reaktionen/Phasenumwandlungen selbst bei sehr niedrigen Temperaturen erlaubt. Zusammenfassung Eine Reihe von zuvor unbekannten Phänomenen in Nanomaterialien wurden in den letzten Jahren in unserer Abteilung enthüllt. Dieses überraschende Materialverhalten zeigt eindeutig, dass grundsätzlich Grenzflächen die faszinierenden Eigenschaften und folglich auch das Verhalten von Nanomaterialien kontrollieren. Das gewonnene Verständnis kann neue, hochentwickelte Anwendungen von Nanomaterialien in Spitzentechnologien hervorbringen. Literaturhinweise 75 © 2016 Max-Planck-Gesellschaft www.mpg.de 8/9 Abteilung enthüllt. Dieses überraschende Materialverhalten zeigt eindeutig, dass grundsätzlich Grenzflächen die faszinierenden Eigenschaften und folglich auch das Verhalten von Nanomaterialien kontrollieren. Das gewonnene Verständnis kann VIII Spitzentechnologien hervorbringen. neue, hochentwickelte Anwendungen von Nanomaterialien in Dokumentation 2015 Jahrbuch 2015/2016 | Mittemeijer, Eric J.; Wang, Zumin | Grenzflächenkontrollierte Phänomene in Literaturhinweise Nanomaterialien [1] [1] Mittemeijer, E. J. Fundamentals of Materials Science Springer, Berlin Heidelberg (2010) © 2016 Max-Planck-Gesellschaft www.mpg.de 8/9 [2] [2] Rane, G. K.; Welzel, U.; Meka, S. R.; Mittemeijer, E. J. Non-monotonic lattice parameter variation with crystallite size in nanocrystalline solids. Acta Materialia 61, 4524-4533 (2013) [3] [3] Kuru, Y.; Wohlschlögel, M.; Welzel, U.; Mittemeijer, E. J. Large excess volume in grain boundaries of stressed, nanocrystalline metallic thin films: Its effect on grain-growth kinetics Applied Physics Letters 95, 163112 (2009) [4] [4] Frank, F. C.; van der Merwe, J. H. One-Dimensional Dislocations. II. Misfitting Monolayers and Oriented Overgrowth Proceedings of the Royal Society of London A: Mathematical, Physical and Engineering Sciences 198, 216-225 (1949) [5] [5] Flötotto, D.; Wang, Z.; Jeurgens, L. P. H.; Mittemeijer, E. J. Quantum Confinement Drives Macroscopic Stress Oscillations at the Initial Stage of Thin Film Growth Physical Review Letters 109, 045501 (2012) [6] [6] Flötotto, D.; Wang, Z.; Jeurgens, L. P. H.; Bischoff, E.; Mittemeijer, E. J. Effect of adatom surface diffusivity on microstructure and intrinsic stress evolutions during Ag film growth Journal of Applied Physics 112, 043503 (2012) [7] [7] Han, Y.; Liu, D.-J. Quantum size effects in metal nanofilms: Comparison of an electron-gas model and density functional theory calculations Physical Review B 80, 155404 (2009) [8] [8] Wang, Z.; Jeurgens, L. P. H.; Mittemeijer, E. J. Metal-Induced Crystallization: Fundamentals and Applications Singapore, Pan Stanford (2015) [9] [9] Wang, Z.; Jeurgens, L. P. H.; Sigle, W.; Mittemeijer, E. J. Observation and Origin of Extraordinary Atomic Mobility at Metal-Semiconductor Interfaces at Low Temperatures Physical Review Letters 115, 016102 (2015) 76 Max-Planck-Institut für Intelligente Systeme Institutsgeschäftsstelle Heisenbergstr. 3 70569 Stuttgart www.is.mpg.de Tel.: +49-711/689-3046 Fax: +49-711/689-3092