Prof. Dr. Maria Elena Innocenti

Forschungsinteressen:

• Fortschrittliche Methoden zur Simulation von Weltraumplasmen
• Multiskalenprozesse in Plasmen: magnetische Rekonnektion, Turbulenzen, Instabilitäten
• High Performance Computing
• Methoden zur Datenassimilation und zum maschinellen Lernen zur Analyse von Prozessen in Weltraumplasmen

Mein Hauptforschungsinteresse gilt der heliosphärischen Plasmen innewohnenden Multiskalennatur. Prozesse wie Turbulenzen, magnetische Rekonnektion und Instabilitäten zeigen ein nicht triviales Zusammenspiel von kleinen und großen Skalen. Bei der magnetischen Rekonnektion koexistieren und interagieren Prozesse auf der Elektronen-, Ionen- und Fluidskala. Beim Sonnenwind kann ein groß angelegter Prozess, wie seine Expansion, Instabilitäten auf der kinetischen Skala auslösen, die wiederum den über mehrere AUs beobachtbaren Sonnenwind limitieren und zur Gestaltung des solaren Windenergiebudgets beitragen. Ich untersuche diese Phänomene bevorzugt in einem vollständig kinetischen Rahmen. Vollkinetische Codes sind jedoch immer durch hohe Rechenkosten begrenzt. Um daher die Modellierungsmöglichkeiten dieser Codes zu erweitern, habe ich eine Modellierungsinfrastruktur namens Multi-Level Multi-Domain-Methode entwickelt, die kleinskalige, hochfrequente Prozesse eingebettet in große Domänen simulieren kann. Außerdem habe ich eine vollständig kinetische Version des Expanding Box Models entwickelt, welche ich für Simulationen von kinetischen Sonnenwinddynamiken verwende. Beide Codes basieren auf der semi-impliziten zeitlichen Diskretisierung, die als Implicit Moment Method bekannt ist.

Bei der Arbeit in der numerischen Modellierung ist es unvermeidlich, ein gewisses Verständnis für High Performance Computing und Codeoptimierung zu erlangen.

Ich habe auch ein Interesse an datengesteuerten Analysetechniken entwickelt, die entweder auf Datenassimilation oder maschinellem Lernen beruhen und die ich auf die Erforschung heliosphärischer Prozesse anwende.

Ich bin Leiterin eines Work Packages für das Horizon 2020 Projekt AIDA (Artificial Intelligence Data Analysis), das darauf abzielt, mithilfe von ML-Methoden die ständig wachsende Datenmenge zu analysieren, die aus heliosphärischen Missionen und Simulationen stammt.

Ich bin Mitarbeiterin des interdisziplinären, von der NASA finanzierten Wissenschaftszentrums HERMES (HEliospheRic Magnetic Energy Storage and Conversion), welches das Verständnis dafür fördert, wie magnetische Energie gespeichert wird und dann in Plasmabewegungen und thermische und nichtthermische Energien in verschiedenen Plasmaregime und -umgebungen kanalisiert wird.