Mitarbeiter:in
Jan Blunk
FB 4: Dynamik des Ozeanbodens
FE Magmatische und hydrothermale Systeme
- Telefon:
- +49 431 600 2490
- E-Mail:
- jblunk(at)geomar.de
Adresse:
Wischhofstraße 1-3
24148 Kiel
Forschungsschwerpunkte
- Thermodynamische Modellierung
- Chemische Speziierung
- Aktivitätskoeffizienten
- Scientific Machine Learning (SciML)
- Wissensintegration
Das Verständnis mariner geochemischer Prozesse erfordert häufig thermodynamische Modelle, die sowohl die Zusammensetzung von Fluiden als auch die unter unterschiedlichen Umweltbedingungen ablaufenden chemischen Reaktionen vorhersagen. Grundlage dieser Modelle sind thermodynamische Parameter, die durch experimentelle Messungen bestimmt beziehungsweise eingegrenzt werden. Obwohl für zahlreiche Verbindungen und wässrige Systeme umfangreiche thermodynamische Daten verfügbar sind, nimmt die Verfügbarkeit experimenteller Messungen mit steigender Temperatur und steigendem Druck deutlich ab. Dadurch ist die Übertragbarkeit thermodynamischer Modelle auf Umgebungen wie hydrothermale Systeme häufig eingeschränkt, da dort Temperaturen und Drücke außerhalb des durch experimentelle Daten abgedeckten Bereichs liegen.
Thermodynamische Datenbanken enthalten experimentelle Messungen aus mehreren Jahrzehnten. Dennoch bleiben thermodynamische Daten unter den extremen Bedingungen vieler natürlicher Systeme lückenhaft. Im Rahmen des MarDATA-Programms untersucht Jan, ob sich Methoden des maschinellen Lernens nutzen lassen, um auf Grundlage bestehender thermodynamischer Daten thermodynamische Parameter auch außerhalb des experimentell gut erschlossenen Bereichs abzuschätzen. Als Ergänzung etablierter thermodynamischer Modelle könnten solche Ansätze deren Anwendbarkeit auf ein breiteres Spektrum von Umweltbedingungen erweitern.
Projekte
- 2026 – 2029: AI-queous – AI-derived thermodynamic parameters for aqueous modelling, gefördert durch MarDATA im Rahmen der Helmholtz Information & Data Science Academy (HIDA)
Vita
Seit 2026
Wissenschaftlicher Mitarbeiter, Marine Mineralische Rohstoffe (MMR), GEOMAR Helmholtz-Zentrum für Ozeanforschung Kiel, im Rahmen der Helmholtz School for Marine Data Science (MarDATA)
2023 – 2026
Wissenschaftlicher Mitarbeiter, Computer Vision Group, Friedrich-Schiller-Universität Jena
2021 – 2023
M.Sc. Informatik, Friedrich-Schiller-Universität Jena
Masterarbeit: Steering Feature Usage During Neural Network Model Training
2019 – 2021
B.Sc. Informatik, Friedrich-Schiller-Universität Jena
Bachelorarbeit: Object Tracking in Wildlife Identification
2018 – 2019
Informatikstudium, Christian-Albrechts-Universität zu Kiel
Betreuung von Bachelor- und Masterarbeiten
Co-Betreuung studentischer Forschungsprojekte im Bereich Informatik, darunter zwei Bachelorarbeiten und zwei Masterarbeiten.
Publikationen
2025
, Bodesheim, P. and Denzler, J.
(2025)
Adaptive Model Selection for Expanded Post Hoc Debiasing and Mitigating Varying Degrees of Spurious Correlations.
In: Computer Analysis of Images and Patterns (CAIP 2025).
, ed. by
Castrillón-Santana, M., Travieso-González, C. M., Deniz Suarez, O., Freire-Obregón, D., Hernández-Sosa, D., Lorenzo-Navarro, J. and Santana, O. J..
Lecture Notes in Computer Science, 15622
.
Springer, Cham, Switzerland, pp. 101-111, 11 pp.
ISBN 978-3-032-05059-5
DOI 10.1007/978-3-032-05060-1_9.
, Camps-Valls, G., Creutzig, F., Fearnley, C. J., Han, B., Kornhuber, K., Rahaman, N., Schölkopf, B., Tárraga, J. M., Vinuesa, R., Dall, K., Denzler, J., Frank, D., Martini, G., Nganga, N., Maddix, D. C. and Weldemariam, K.
(2025)
Early warning of complex climate risk with integrated artificial intelligence.
Nature Communications, 16
.
Art.Nr. 2564.
DOI 10.1038/s41467-025-57640-w.
, Penzel, N. and Denzler, J.
(2025)
CausalRivers - Scaling up benchmarking of causal discovery for real-world time-series.
[Paper]
In: 13. International Conference on Learning Representations (ICLR). , 24.-28.04.2025, Singapore .
2024
, Penzel, N., Bodesheim, P. and Denzler, J.
(2024)
Beyond Debiasing: Actively Steering Feature Selection via Loss Regularization.
In: 45. DAGM German Conference, DAGM GCPR 2023, Heidelberg, Germany, September 19–22, 2023, Proceedings.
, ed. by
Köthe, U. and Rother, C..
Lecture Notes in Computer Science, 14264
.
Springer, Cham, Switzerland, pp. 394-408, 15 pp.
ISBN 978-3-031-54604-4
DOI 10.1007/978-3-031-54605-1_26.
2022
, Körschens, M., Brust, C. A., Käding, C. and Denzler, J.
(2022)
Pre-trained models are not enough: active and lifelong learning is important for long-term visual monitoring of mammals in biodiversity research—Individual identification and attribute prediction with image features from deep neural networks and decoupled decision models applied to elephants and great apes.
Mammalian Biology, 102
(3).
pp. 875-897.
DOI 10.1007/s42991-022-00224-8.
