Forschungsgebiet im Überblick

Michael Schaubs Forschung beschäftigt sich mit komplexen Systemen, deren Strukturen mit Graphen beschrieben werden können. Diese betrachtet er aus den folgenden Blickwinkeln: Zum einen wird die Struktur solcher Netzwerke mittels statistischer Methoden analysiert: gibt es signifikante Muster und ergeben sich hieraus Rückschlüsse auf das System? Zum anderen versucht er näher zu verstehen, wie die Netzwerkstruktur dynamische Prozesse beeinflusst, welche durch das Netzwerk mediiert werden, beispielsweise die Ausbreitung von Meinungen. Seit einiger Zeit beschäftigt sich die Forschung zudem verstärkt mit der Graphsignalverarbeitung: eine zentrale Herausforderung hier ist , die Graphstruktur so auszunutzen, um auf den Knoten des Graphen definierte Signale zu verarbeiten (z.B. zu interpolieren). In seiner Arbeit kombiniert Schaub modellbasierte Ansätze, die in der Theorie dynamischer Systeme und der Regelungstechnik zu finden sind, mit datengetriebenen Werkzeugen des maschinellen Lernens und der Statistik.

Ausgewählte Publikationen

• Schaub, Michael T., et al. "Random walks on simplicial complexes and the normalized Hodge 1-Laplacian." SIAM Review 62.2 (2020): 353-391.
• Schaub, Michael T., Santiago Segarra, and John N. Tsitsiklis. "Blind identification of stochastic block models from dynamical observations." SIAM Journal on Mathematics of Data Science 2.2 (2020): 335-367.
• Faccin, Mauro, Michael T. Schaub, and Jean-Charles Delvenne. "State aggregations in Markov chains and block models of networks." Physical Review Letters 127.7 (2021):

Website