Prof. Dr. rer. nat. Oliver Rheinbach

Alle Veranstaltungen finden in Präsenz statt.

Direct link to the list of publications.

Here is the link to the top-level Corona web page for the rules in Saxony in simple German.

Here are all official Corona rules in English. These official documents are a pain to read. I therefore recommend the version in simple German mentioned above.

Zur Person

Kontakt

Prof. Dr. rer. nat. Oliver Rheinbach

Prof. Dr. rer. nat. Oliver Rheinbach

Telefon +49 3731 39-3279
Fax +49 3731 39-3595
oliver.rheinbach@math.tu-freiberg.de

Prodekan der Fakultät für Mathematik und Informatik
Consultation hours: Mo 14:30-15:30

Postanschrift

Technische Universität Bergakademie Freiberg, Fakultät für Mathematik und Informatik, 09596 Freiberg
oder: Universitätsrechenzentrum (URZ), Bernhard-von-Cotta-Straße 1, 09599 Freiberg

Besucheranschrift

Universitätshauptgebäude, Mittelbau; Akademiestr. 6; Zimmer MIB 2.12;

Aktuelles

(URZ-Meldung vom 27.9.2019) Großgeräteantrag: Neuer Cluster mit 4300 Prozessorkernen (+Erweiterungen) eingeweiht. Der Cluster ergänzt das schon bestehende HPC-Cluster mit 2300 Prozessorkernen.


Mitgliedschaften

Beruflicher Werdegang

Pressemitteilung zur Neuberufung auf die Professur für Wissenschaftliches Rechnen an das Institut für Numerische Mathematik und Optimierung der TU Bergakademie Freiberg.

 

2015 – Wissenschaftlicher Direktor des Universitätsrechenzentrums (URZ)
2014 – Professur für Hochleistungsrechnen in der Kontinuumsmechanik an der TU Bergakademie Freiberg.
2013 – 2014 Professur für Wissenschaftliches Rechnen an der TU Bergakademie Freiberg.
2012 – 2013Akademischer Rat auf Lebenszeit am Mathematischen Institut der Universität zu Köln.
2011 – 2012Vertretung des Lehrstuhls für Mathematik in Industrie und Technik an der TU Chemnitz.
2007 – 2011Akademischer Rat auf Lebenszeit an der Fakultät für Mathematik der Universität Duisburg-Essen.
2002 – 2007Wissenschaftlicher Mitarbeiter an der Universität Duisburg-Essen.

 

Ausbildung

2011Professurvertretung an der TU Chemnitz
2006Promotion zum Dr. rer. nat., Universität Duisburg-Essen.
2002Dipl.-Math., Universität zu Köln.
2002Dipl.-Wirt.-Inf., Universität zu Köln.

 

Lehre

Wintersemester 2022/23


Lineare Algebra, Datenanalyse und maschinelles Lernen 2 (3+2 SWS, 5. BAI): Mo 16:00-17:30 in PRÜ-1104; Mi (gerade Kalenderwoche) 9:15-10:45 in PRÜ-1103. Bitte schreiben Sie sich für eine Kontaktaufnahme in den Opal-Kurs ein. (Übung Di 7:30-9:00 in RAM-2119 durch M. Brändel)

Introduction to High Performance Computing and Optimization (2+1 SWS, 1.MGEX-CMG, 1. MGPHY, 1. MNAT-D, 3. CMS, 3. CSE-NI, 3. MGIN): Wed 16:00-17:30 in FOR-0241r (for hands-on in KKB-2097). Please enroll on the OPAL course OPAL course. The exercise session will be in uneven weeks Thu 7:30-9:00 in KKB-2097 (by myself and S. Köhler).

Praktikum wissenschaftliches Rechnen/Scientific Computing Project (3 SWS, 5. Mm). Vorlesung/Übung: Mi (gerade) 14:00-15:30 in MIB-113; Vorlesung/Übung: Fr 11:00-12:30 in PRÜ-1104. Bitte schreiben Sie sich in den Opal-Kurs ein.

Mathematisches Seminar (2 SWS, >5. Semester im Bachelor/Diplom bzw. >1. Semester im Master). Do 11:00-12:30 in MIB-1113

Sommersemester 22

Seminar (2 SWS) (nach persönlicher Absprache).

(Elternzeit, partial parental leave)


Wintersemester 2021/22

Lineare Algebra, Datenanalyse und maschinelles Lernen 2 (5. BAI): Mo 16:00-17:30 in PRÜ-1104; Do 16:00-17:30 in MIB-1113 Link zum Opal-Kurs

Introduction to High Performance Computing and Optimization (1.MGEX-CMG, 1. MGPHY, 1. MNAT-D, 3. CMS, 3. CSE-NI, 3. MGIN): Mo 18:00-19:30 in KKB-2097 Link to the Opal-Course

Praktikum wissenschaftliches Rechnen (5. Mm): Mi (gerade) 18:00-19:30 in PRÜ-1104 Link zum Opal-Kurs


Sommersemester 2021

Finite Elemente für Mathematiker(|innen) (4 SWS) [Opal+BBB im Opal+Videoportal]; Di 7:30-9:00; Do 16-17:30; 2.MWM, 8.Mm

Lineare Algebra, Datenanalyse und maschinelles Lernen 1 (3 SWS) [Opal+BBB im Opal+Videoportal]; Mo 11:30-13:00; Do 7:30-9:00 (gerade Woche); 4.BAI

Numerik für Mathematiker(|innen) (4 SWS) [Opal+BBB im Opal+Videoportal] Mi 14:00-15:30; Do 11:30-13:00; 4.BWM,4.Mm

Seminar (2 SWS) (nach persönlicher Absprache).


Wintersemester 2020/21

  • Praktikum Wissenschaftliches Rechnen (5.Mm) - ungerade Woche 11:30-13:00 - Lehrformat: Hybrid; Thema: Machine Learning mit TensorFlow; hier klicken, um die Opal-Inhalte zu diesem Kurs zu sehen.
  • Introduction to High Performance Computing and Optimization (3. CMS and others) - on Wednesdays 11:30 - 13:00 - Teaching is online: click here to access the Opal e-learning content of this course.


Sommersemester 2020


Wintersemester 2019/20

Forschungssemester


Vorherige Semester

Sommersemester 2019

  • Vorlesung "Finite-Elemente-Methoden für Mathematiker" (4 SWS)
  • Vorlesung "Parallel Computing" (3 SWS)
  • Übung "Parallel Computing" (1 SWS)
  • Mathematisches Seminar (2 SWS)

Wintersemester 2018/19

  • Vorlesung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Vorlesung "Wissenschaftliches Rechnen" (1 SWS)
  • Mathematisches Seminar (2 SWS)

Sommersemester 2018

  • Vorlesung "Numerik für Mathematiker" (4 SWS)
  • Vorlesung "Numerik nichtlinearer Optimierungsprobleme und nichtlinearer Gleichungssysteme" (4 SWS)
  • Mathematisches Seminar (2 SWS)

Wintersemester 2017/18

  • Vorlesung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Übung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Mathematisches Seminar (2 SWS)

Sommersemester 2017

  • Vorlesung "Finite-Elemente-Methoden für Mathematiker" (4 SWS)
  • Vorlesung "Numerische Simulation mit finiten Elementen" für Geoinformatik und Geophysik(2 SWS)
  • Vorlesung "Parallel Computing" (3 SWS)
  • Übung "Parallel Computing" (1 SWS)
  • Mathematisches Seminar (2 SWS)

Wintersemester 2016/17

  • Vorlesung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Vorlesung "Wissenschaftliches Rechnen" (1 SWS)
  • Mathematisches Seminar (2 SWS)

Sommersemester 2016

  • Vorlesung "Numerik für Mathematiker" (4 SWS)
  • Vorlesung "Numerik nichtlinearer Optimierungsprobleme und nichtlinearer Gleichungssysteme" (4 SWS)
  • Mathematisches Seminar (2 SWS)

Wintersemester 2015/16

  • Vorlesung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Übung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Mathematisches Seminar (2 SWS)

Sommersemester 2015

  • Vorlesung "Finite-Elemente-Methoden für Mathematiker" (4 SWS)
  • Vorlesung "Numerische Simulation mit finiten Elementen" für Geoinformatik und Geophysik (2 SWS)
  • Übung "Numerische Simulation mit finiten Elementen" für Geoinformatik und Geophysik (1 SWS)

Wintersemester 2014/15

  • Vorlesung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Übung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Vorlesung "Wissenschaftliches Rechnen" (1 SWS)
  • Praktikum "Wissenschaftliches Rechnen" (2 SWS)
  • Mathematisches Seminar (2 SWS)

Sommersemester 2014

  • Vorlesung "Numerik für Mathematiker 2" (2 SWS)
  • Vorlesung "Numerik nichtlinearer Gleichungssysteme" (2 SWS)
  • Mathematisches Seminar (2 SWS)

Wintersemester 2013/14

  • Vorlesung "Numerik für Mathematiker 1" (2 SWS)
  • Vorlesung "Numerik nichtlinearer Optimierungsprobleme" (2 SWS)
  • Vorlesung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Übung "Introduction to High Performance Computing and Optimization" (2 SWS)
  • Mathematisches Seminar (2 SWS)

Sommersemester 2013

  • Vorlesung "Finite-Elemente-Methoden für Mathematiker 2" (2 SWS)
  • Übung "Finite-Elemente-Methoden für Mathematiker 2" (1 SWS)
  • Vorlesung "Numerik für Techniker" (2 SWS)
  • Vorlesung "Numerical Analysis of Differential Equations" (2 SWS)
  • Mathematisches Seminar (2 SWS)

Langfristiges Numerik-Lehrangebot des Instituts für Numerische Mathematik und Optimierung für Mathematiker/innen

Jahr Semester Veranstaltung
2019 SS Numerik1 (Pflichtveranstaltung), Finite-Elemente-Methoden2
WS Numerik von Anfangswertaufgaben1, Praktikum Wissenschaftliches Rechnen1 (Pflichtveranstaltung), High Performance Computing2, Numerik von Parameterschätzproblemen3
2020 SS Numerik (Pflichtveranstaltung)2, Numerik nichtlinearer Optimierungsprobleme und nichtlinearer Gleichungssysteme2
WS Numerische Lineare Algebra1, Praktikum Wissenschaftliches Rechnen2 (Pflichtveranstaltung), High Performance Computing2, Numerik in der Bildverarbeitung3
2021 SS Numerik2 (Pflichtveranstaltung), Finite-Elemente-Methoden2
WS Numerik von Anfangswertaufgaben3, Praktikum Wissenschaftliches Rechnen2, High Performance Computing2, Lineare Algebra, Datenanalyse und Maschinelles Lernen 12
2022 SS Numerik3 (Pflichtveranstaltung), Numerik nichtlinearer Optimierungprobleme und nichtlinearer Gleichungssysteme2, Lineare Algebra, Datenanalyse und Maschinelles Lernen2
WS Numerische Lineare Algebra1, Praktikum Wissenschaftliches Rechnen2, High Performance Computing2

1: ME 2: OR 3: SA 4: *

Weiterhin kann angeboten werden:
Aktuelle Themen aus der Numerik I (WS17,18)
Aktuelle Themen aus der Numerik II (SS16,17)


Important Links in Freiberg

Wichtige Links in Freiberg

Using VPNC under Linux

With Linux you can also use the vpnc VPN client (which usually comes with your linux distribution). If vpnc is installed, type

sudo vpnc

in a terminal window. You will be prompted for the host (IPSec gateway), enter

139.20.201.100

(alternatively you can use vpnserver.vpn.tu-freiberg.de, which is the same machine), then

IPSec ID: world

IPSec secret: world

Username und password are your usual TU login data.


Forschung

Arbeitsgebiete

  • High Performance Computing
  • Domain Decomposition Methods
  • Iterative Solvers
  • FETI-type Methods: A family of robust and highly scalable Schurcomplement methods with Lagrange multipliers
  • Fast Implicit Solvers
  • Parallel Computing: Shared memory and distributed memory parallel computing on multi/many-core computers, clusters and supercomputers (TOP500 List)
  • Biomechanics, simulation of arterial walls, nonlinear finite element analysis of soft biological tissues
  • Computational Scale Bridging
  • Multiscale Methods
  • Data Science and Scientific Machine Learning

Workshop Advanced Solvers for modern Architectures 2019, November 11-13, 2019


Projekte

List of Projects
Aktuelle Projekte:
Projekt StrömungsRaum im BMBF SCALEXA-Programm "Neue Methoden und Technologien für das Exascale-Höchstleistungsrechnen"
Modellierung und Simulation der pharmakomechanischen Fluid-Struktur-Interaktion für eine verbesserte Behandlung von Herz-Kreislauf-Erkrankungen im DFG SPP2311: PharmacoMech
DFG SPP2256 Project "Co-Design of Variational Formulations and Solvers" CoDes
Vergangene Projekte:
SMWK-Project Machine Learning in Inverse Problems MLInverse as part of AIRGEMM
Project Fast Solvers for Dislocation Mechanics DislocMech
Project Logistic Regression in Potential Modelling LogRegGeo
DFG project on exascale computing EXASTEEL and EXASTEEL-2
DFG D-A-CH Projects Domain-Decomposition-Based FSI Algorithms (Phase 1 / Phase 2)
BMBF OERSax (expired)
Großgerät HPC Cluster 2019

  • Großgeräteantrag INST 267/159-1: Zentrales HPC-Cluster 2019 der TU Freiberg mit 4300 cores.

  • Einweihung des neuen Megware-Clusters. Zusätzlich zu den Mitteln aus dem Großgeräteantrag haben fünf Professuren eigene Mittel für Komponenten des Clusters bereitgestellt.

Weitere Interessen
FETI-DP for Optimal Control Problems
Adaptive Grobgitterräume für DD

DisLocMech

Fast Solvers for problems in Dislocation Mechanics (with Stefan Sandfeld, Professor for Micromechanical Materials Modelling, TU Freiberg) FETI-DP solvers and the deal.II adaptive finite element library are combined to solve dislocation eigenstrain problems in micromechanics.

Image from PAMM (2019).

CoDes

Modeling and Simulation using new Variational Formulations in Nonlinear Materials (with Björn Kiefer, Professor für Technische Mechanik - Festkörpermechanik, TU Freiberg). Robust and efficient framework based on variational formulations with interacting thermo-chemo-mechanical processes.


Phase field simulation.

MLInverse

Machine Learning in parameter estimation in Geophysics (with Klaus Spitzer, Applied Geophysics, TU Freiberg) Parameter estimation has a wide range of applications in optics, acoustics, medical imaging, image processing, astronomy and other fields. Machine Learning algorithms are here applied to improve classical approaches to inverse problems in Geophysics by enhancing or replacing components of the algorithms.

LogRegGeo

Machine Learning in Geoscience and Prospectivity Modelling (with Samuel Kost and Helmut Schaeben, Geoinformatics, TU Freiberg)


Image from the Preprint 2020/01.

More on:


Publikationen

Gäste

In Vorbereitung...