Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Bauer arbeitet auf dem Gebiet der angewandten und algorithmischen Topologie und Geometrie. Er beschäftigt sich mit Fragestellungen, die Eigenschaften der Konnektivität von Daten auf verschiedenen Skalen betreffen. Dabei handelt es sich um globale Informationen, die die Gesamtheit der Daten beschreiben, und die sich mit klassischen Methoden der Datenanalyse nicht erkennen lassen. Neben der Untersuchung grundlegender theoretischer Eigenschaften entwickelt er auch führende Methoden, um die topologischen Merkmale in großen Daten effizient zu berechnen.

Nach dem Studium der Informatik an der TUM arbeitete Prof. Bauer an der Freien Universität Berlin und an der Georg-August-Universität Göttingen, wo er 2011 in Mathematik mit Auszeichnung zum Thema "Persistence in Discrete Morse Theory" promovierte. Danach ging er an das Institut of Science and Technology Austria, um auf dem Gebiet der topologischen Datenanalyse zu forschen. Seit 2014 arbeitet er an der TUM, wo er die Forschungsgruppe für Angewandte und Computergestützte Topologie aufbaute. Prof. Bauer ist Mitglied des Executive Board des SFB Discretization in Geometry and Dynamics und des Advisory Boards des Centre for Topological Data Analysis.

Wichtigste Auszeichnungen

  • ATMCS Best New Software Award (2016)
  • Best Paper Award TopoInVis (2013)
  • Apple Design Award (2003)
  • O’Reilly Mac OS X Innovators Award (2003)

U. Bauer. Ripser: efficient computation of Vietoris–Rips persistence barcodes. Journal of Applied and Computational Topology, 2021 (in press, available online).

Abstract

U. Bauer, C. Landi, and F. Mémoli. The Reeb Graph Edit Distance is Universal. Foundations of Computational Mathematics, 2020 (in press, available online).

Abstract

U. Bauer and H. Edelsbrunner. The Morse theory of Čech and Delaunay complexes. Transactions of the American Mathematical Society, 369(5):3741–3762, 2017.

Abstract

U. Bauer and M. Lesnick. Induced matchings and the algebraic stability of persistence barcodes. Journal of Computational Geometry, 6(2):162–191, 2015.

Abstract

J. Reininghaus, S. Huber, U. Bauer, and R. Kwitt. A stable multi-scale kernel for topological machine learning. In Conference on Computer Vision and Pattern Recognition (CVPR 2015), pages 4741–4748. IEEE, 2015.

Abstract