„Die Entwicklung intelligenter Anwendungen und neuartiger Charakterisierungsverfahren für elektromagnetische Felder und Wellen in der Elektrotechnik ist meine Leidenschaft. In Forschung und Lehre erforschen wir zukünftige Lösungen für elektromagnetische Verträglichkeit (EMV), Signalintegrität (SI) und Power Intergrity (PI) in Kombination mit maschinellem Lernen und KI.“

„Es gibt immer eine bessere Möglichkeit, Designs durch zunehmend fortschrittliche Modellierungs- und Messtechniken in der elektromagnetischen (EM) Technik zu verbessern. In Wissenschaft und Technik beschäftigen wir uns mit herausfordernden Problemen und entwickeln attraktive Lösungen in Bereichen wie elektromagnetische Verträglichkeit (EMV), Bioelektromagnetik (BioEM) und rekonfigurierbare EM-Oberflächen, wobei wir Techniken des maschinellen Lernens und softwaredefinierte Hardware integrieren.“

„Aufschlussreiche Fragen zu stellen und zu versuchen, effektive Antworten zu geben, hilft uns zu wachsen. Ich beschäftige mich leidenschaftlich gerne mit komplexen elektromagnetischen Problemen und entwickle innovative Lösungen. „Derzeit konzentriere ich mich auf die Anpassung von Methoden des maschinellen Lernens zur Lösung von Fragen der Bioelektromagnetischen Verträglichkeit, die für die Sicherheit von Mensch und Umwelt von entscheidender Bedeutung sind. Mein Ziel ist es, effiziente, umfassende Frameworks zu entwickeln, die die Leistung bei der Lösung dieser lebenswichtigen Herausforderungen verbessern und dabei helfen, zuverlässige Ergebnisse zu liefern.“

„Ich konzentriere mich auf die Weiterentwicklung von Ultra-High-Speed-Leiterplattenverbindungen durch innovative Forschung und Technologie. Mein Ziel ist es, durch den Einsatz von Methoden des maschinellen Lernens den Entwurfsprozess für Hochgeschwindigkeitsverbindungen zu verbessern, um einen schnelleren und effizienteren Datentransport zu erreichen. Ich arbeite am Aufbau einer umfassenden SI/PI-Datenbank, um einen hybriden Entwurfsablauf zu entwickeln, der datengesteuerte und physikbasierte Methoden für eine verbesserte Leistung kombiniert.“

„Der Weg zur Bewältigung der technologischen Herausforderungen bei der Lösung der Probleme der Menschheit, wie z. B. der Bekämpfung des Klimawandels, führt über den wissenschaftlichen Fortschritt. Meine Forschung befasst sich mit EMV-Filtern für Elektrofahrzeuge und erfolgt in Zusammenarbeit mit einem Partner aus der Industrie. Ich erforsche neue Ansätze, um mit Hilfe von Modellierung, Simulation und datengesteuerten Methoden innovative und relevante Lösungen zur Verbesserung der Entwicklung zu finden.“

Ein Grundsatz für effektive Implementierungen des maschinellen Lernens in der Elektrotechnik ist die Beibehaltung einer ganzheitlichen Perspektive bei der Behandlung spezifischer Probleme. In meiner Forschung lasse ich mich daher von einer Reihe verschiedener Disziplinen inspirieren. Die Kombination von physikalischem Wissen mit datengesteuerten Methoden ist dabei für neuartige Hilfsmittel, die die Einhaltung der Power Integrity von Leiterplatten gewährleisten, unerlässlich.

„Die Nutzung der Möglichkeiten von Werkzeugen des maschinellen Lernens (ML) zur Entwicklung intelligenter Lösungen in den Bereichen elektromagnetische Verträglichkeit (EMV), Signalintegrität (SI) und Leistungsintegrität (PI) beschäftigt mich. Ich strebe danach, ML in daten effizienten Paradigmen anzupassen und zu nutzen, um Leistung und Zuverlässigkeit zu verbessern. Ich engagiere mich für sozial verantwortliche Technik, die der Menschheit zugutekommt.“