Günter Klambauer

Günter Klambauer (* in Gallneukirchen, Oberösterreich) ist ein österreichischer Wissenschaftler und Universitätsprofessor auf dem Gebiet der künstlichen Intelligenz (KI) und Judoka. Außerdem ist er Direktor des Programms "Machine Learning for Molecule Discovery" des Exzellenznetwerks ELLIS.[1]

Leben

Günter Klambauer besuchte das humanistische Gymnasium Petrinum in Linz. Anschließend studierte er Mathematik und Biologie an der Universität Wien. Er promovierte an der Johannes Kepler Universität Linz (JKU) bei Sepp Hochreiter.

Forschung

Klambauer hat sich auf die Entwicklung von Methoden des maschinellen Lernens und auf deren Anwendung in den Biowissenschaften spezialisiert.

Zu seinen frühen Arbeiten gehören:

  • Die Entwicklung von cn.MOPS, einer Methode zur Erkennung von Kopienzahlvariationen in Sequenzierungsdaten.[2]
  • Die Arbeit an DEXUS, einem Algorithmus zur Identifizierung von differentieller Genexpression in RNA-Seq-Daten.[3]

Er erreichte internationale Aufmerksamkeit, als er bei der Tox21 Data Challenge der National Institutes of Health die weltweit präziseste Methode zur Vorhersage der Toxizität chemischer Verbindungen entwickelte.[4]

2017 entwickelte Klambauer sogenannte selbst-normalisierende neuronale Netze (Self-Normalizing Neural Networks), die die Stabilität und Effizienz des Trainingsprozesses in künstlichen neuronalen Netzen verbessern.[5] Diese Technologie wurde später von Apple für Spracherkennungssysteme wie Siri adaptiert.[6] Darüber hinaus wurden self-normalizing neural networks in tausenden wissenschaftlichen Arbeiten weltweit zitiert und angewandt, wodurch sie einen signifikanten Einfluss auf zahlreiche Forschungsbereiche hatten.[7]

Klambauer gilt auch als Pionier bei der Einführung von Deep Learning in die Medikamentenentwicklung (Drug Design) und trug mit seinen Arbeiten wesentlich zur Weiterentwicklung von Methoden der Bioaktivitätsvorhersage, der Toxizitätsvorhersage und der Molekülgenerierung bei. Zu seinen wichtigsten Arbeiten in diesem Bereich gehören:

  • Deep learning as an opportunity in virtual screening, das den Einsatz von Deep Learning zur Vorhersage der Bioaktivität von niedermolekularen chemischen Verbindungen beschreibt.[8]
  • DeepTox, ein Ansatz zur Toxizitätsvorhersage mit Deep Learning.[9]
  • Fréchet ChemNet Distance, eine Metrik zur Bewertung von generativen Modellen für Moleküle in der Medikamentenentwicklung.[10]

Seine Arbeiten werden häufig zitiert und haben die computer-unterstützte Medikamentenentwicklung nachhaltig geprägt.

Ein weiterer Schritt war die Entwicklung einer KI, die menschliche Experten bei der Lokalisierung von Proteinen in Zellen übertraf.[11] Klambauer habilitierte sich an der Johannes Kepler Universität Linz im Fachgebiet angewandte Informatik.[12]

Für seine Forschung erhielt er mehrere Auszeichnungen, darunter den Austrian Life Science Award und den Award of Excellence des BMWFW.[13][14]

Sportliche Erfolge

Neben seiner wissenschaftlichen Karriere ist Klambauer ein erfolgreicher Judoka. In den Jahren 2012 und 2013 zählte er zu den 15 besten Judoka der österreichischen 2. Bundesliga.[15] 2014 gewann er bei den 35th World Medical and Health Games in der Disziplin Judo die Goldmedaille.[16][17]

Auszeichnungen (Auswahl)

  • Austrian Life Science Award
  • Award of Excellence, BMWFW

Einzelnachweise

  1. ↑ ELLIS ML for Molecule Discovery Program Homepage der ELLIS Society. Abgerufen am 2. Jänner 2024.
  2. ↑ cn.MOPS: mixture of Poissons for discovering copy number variations in next-generation sequencing data with a low false discovery rate, PMID 22302147
  3. ↑ DEXUS: identifying differential expression in RNA-Seq studies with unknown conditions, PMID 24049071
  4. ↑ NCATS verkündet die Gewinner Tox21 Data Challenge. Homepage der National Institutes of Health. Abgerufen am 27. Jänner 2015.
  5. ↑ Guenter Klambauer, Thomas Unterthiner, Andreas Mayr, Sepp Hochreiter: Self-normalizing neural networks. In: Advances in Neural Information Processing Systems. Band 30, 2017, S. 1000 (nips.cc [PDF; abgerufen am 25. April 2019]).
  6. ↑ Huang, Z., Ng, T., Liu, L., Mason, H., Zhuang, X., & Liu, D.: SNDCNN: Self-normalizing deep CNNs with scaled exponential linear units for speech recognition. In: ICASSP 2020-2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2020, S. 6854–6858.
  7. ↑ Google Scholar: Citation of Self-Normalizing Neural Networks
  8. ↑ Unterthiner, T., Mayr, A., Klambauer, G., Steijaert, M., Wegner, J. K., Ceulemans, H., & Hochreiter, S.: Deep learning as an opportunity in virtual screening. In: Proceedings of the deep learning workshop at NIPS. Band 27. MIT Press, 2014, S. 1–9.
  9. ↑ Mayr, A., Klambauer, G., Unterthiner, T., & Hochreiter, S.: DeepTox: toxicity prediction using deep learning. In: Frontiers in Environmental Science. Band 3, 2016, S. 80.
  10. ↑ Preuer, K., Renz, P., Unterthiner, T., Hochreiter, S., & Klambauer, G.: Fréchet ChemNet distance: a metric for generative models for molecules in drug discovery. In: Journal of chemical information and modeling. Band 58, Nr. 9, 2018, S. 1736–1741.
  11. ↑ Wettkampf an der JKU In: Oberösterreichische Nachrichten. Abgerufen am 25. April 2019.
  12. ↑ [1] In: JKU News. Abgerufen am 9. April 2023.
  13. ↑ Austrian Life Science Award für Linzer Doktoranden. In: APA, derStandard.at (7. November 2012). Abgerufen am 25. Mai 2014.
  14. ↑ ALSA 2012: Wissenschaftspreis in Wien vergeben. In: Chemiereport. Abgerufen am 25. Mai 2014.
  15. ↑ Stats. Österreichischer Judoverband, 22. Juni 2015, archiviert vom Original am 22. Juni 2015; abgerufen am 29. Dezember 2023.  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/www.oejv.com
  16. ↑ Presseaussendung der Stadt Wels vom 26. Juni 2014 (Memento vom 14. Juli 2014 im Internet Archive) – abgerufen am 28. Juni 2014.
  17. ↑ offizielle Ergebnisse der 35th World Medical and Health Games (Memento vom 2. April 2013 im Internet Archive) – abgerufen am 14. Juli 2014.
Dieser Artikel wurde von Wikipedia herausgegeben. Der Text ist verfügbar unter Creative Commons Attribution-Share Alike 4.0, sofern nicht anders angegeben. Möglicherweise können weitere Bestimmungen für Mediendateien gelten.