Wissenschaftliche Laufbahn und Forschungsgebiete

Dr. Dietrich studierte Scientific Computing (B.Sc.) an der Hochschule München und der KTH Stockholm in Schweden. Den Master (2014) und Doktor (2017) in Mathematik erhielt er an der Technischen Universität München im Elite-Programm TopMath. Von 2017 bis 2019 war er Postdoctoral Fellow im Department of Chemical and Biomolecular Engineering, Whiting School of Engineering an der Johns Hopkins University, und Visiting Research Collaborator an der Princeton University, wo er mit Prof. Kevrekidis zusammenarbeitete. Ende 2019 kam Dr. Dietrich zurück zur TUM um als PostDoc am Lehrstuhl für Scientific Computing zu arbeiten. Seit April 2022 leitet er seine eigene DFG Emmy Noether Nachwuchsgruppe.

Dr. Dietrich (*1989) forscht an der Analyse und Entwicklung von numerischen Algorithmen des maschinellen Lernens. Das beinhaltet Algorithmen um Simulation und Analyse für komplexe, dynamische Systeme zu ermöglichen, effizienter zu gestalten, und zu optimieren, als auch die Approximation nichtlinearer Mannigfaltigkeiten und den Zusammenhang neuronaler Netzwerke mit Gauss-Prozessen. Die Forschungsgruppe von Dr. Dietrich fokussiert sich auf Kernel-Methoden zur datengetriebenen Approximation von Koopman- und Laplace-Operatoren.

Wichtigste Auszeichungen

  • Emmy Noether-Nachwuchsgruppe der Deutschen Forschungsgemeinschaft (2021)
  • Stipendium der Studienstiftung des deutschen Volkes (2009-2014)
  • Stipendium des Max Weber-Programms des Freistaates Bayern (2009-2014)

E. Peterfreund, O. Lindenbaum, F. Dietrich, T. Bertalan, M. Gavish, I. G. Kevrekidis, and R. R. Coifman. "Local conformal autoencoder for standardized data coordinates". In: Proceedings of the National Academy of Sciences (Nov. 2020), p. 202014627.

Abstract

F. Dietrich, T. N. Thiem, and I. G. Kevrekidis. "On the Koopman Operator of Algorithms". In: SIAM Journal on Applied Dynamical Systems 19.2 (Jan. 2020), pp. 860–885.

Abstract

T. Bertalan, F. Dietrich, I. Mezic, and I. G. Kevrekidis. "On learning Hamiltonian systems from data". In: Chaos 29.12 (Dec. 2019), p. 121107

Abstract

Q. Li, F. Dietrich, E. M. Bollt, and I. G. Kevrekidis. "Extended dynamic mode decomposition with dictionary learning: A data-driven adaptive spectral decomposition of the Koopman operator". In: Chaos 27.10 (Oct. 2017), p. 103111.

Abstract

F. Dietrich, G. Köster, and H.-J. Bungartz. "Numerical Model Construction with Closed Observables". In: SIAM Journal on Applied Dynamical Systems 15.4 (Nov. 2016), pp. 2078–2108.

Abstract