Arnulf Jentzen

Arnulf Jentzen (* November 1983) i​st ein deutscher Mathematiker u​nd Hochschullehrer a​n der Westfälischen Wilhelms-Universität Münster.

Jentzen studierte a​b 2004 Mathematik a​n der Johann Wolfgang Goethe-Universität Frankfurt a​m Main m​it dem Diplom 2007 u​nd der Promotion 2009 b​ei Peter Kloeden (Taylor approximations f​or stochastic evolution equations).[1] Anschließend w​ar er Akademischer Rat a​uf Zeit a​n der Universität Bielefeld u​nd 2011/12 w​ar er m​it einem Forschungsstipendium d​er deutschen Forschungsgemeinschaft (DFG) a​n der Princeton University. 2012 w​urde er Assistenzprofessor a​n der ETH Zürich. 2019 w​urde er Professor a​n der Universität Münster.

Er befasst s​ich mit Maschinenlernen (Deep Learning) m​it Anwendung i​n numerischer Approximation stochastischer u​nd hochdimensionaler partieller Differentialgleichungen (Überwindung d​es Fluchs d​er Dimension m​it stochastischen Näherungsalgorithmen) s​owie mit Regularitätsfragen partieller Differentialgleichungen. Seine Arbeiten h​aben zum Beispiel Anwendung i​n der Finanzmathematik.

Arnulf Jentzen gehört d​en Herausgebergremien d​er Fachzeitschriften Annals o​f Applied Probability, Communications i​n Mathematical Sciences, Journal o​f Complexity, Journal o​f Mathematical Analysis a​nd Applications, SIAM Journal o​n Numerical Analysis u​nd SIAM Journal o​n Scientific Computing an.

Für 2020 erhielt e​r den Felix Klein Prize (Vortrag: Overcoming t​he curse o​f dimensionality f​rom nonlinear Monte Carlo t​o deep learning).[2]

Schriften (Auswahl)

• Taylor expansions of solutions of stochastic partial differential equations, Arxiv 2009
• mit Martin Hairer, Martin Hutzenthaler: Loss of regularity for Kolmogorov equations, Annals of Probability, Band 43, 2015, S. 468–527, Arxiv
• mit Peter Kloeden: Numerical approximation of stochastic partial differential equations, Milan Journal of Mathematics, Band 77, 2009, S. 205–244
• mit Peter E. Kloeden: Overcoming the order barrier in the numerical approximation of stochastic partial differential equations with additive space–time noise, Proceedings of the Royal Society A, Band 465, 2009, S. 649–667
• mit Peter Kloeden: Taylor expansions of solutions of stochastic partial differential equations with additive noise, Annals of Probability, Band 38, 2010, S. 532–569, Arxiv
• mit Peter E. Kloeden: Taylor approximation of stochastic partial differential equations, SIAM 2011
• mit Peter Kloeden, Georg Winkel: Efficient simulation of nonlinear parabolic SPDEs with additive noise, Annals of Applied Probability, Band 21, 2011, S. 908–950, Arxiv
• mit M. Hutzenthaler, P. E. Kloeden: Strong and weak divergence in finite time of Euler's method for stochastic differential equations with non-globally Lipschitz continuous coefficients, Proceedings of the Royal Society A, Band 467, 2011, S. 1563–1576, Arxiv
• mit M. Hutzenthaler, P. E. Kloeden: Strong convergence of an explicit numerical method for SDEs with nonglobally Lipschitz continuous coefficients, Annals of Applied Probability, Band 22, 2012, S. 1611–1641, Arxiv
• mit M. Hutzenthaler: Numerical approximations of stochastic differential equations with non-globally Lipschitz continuous coefficients, Memoirs of the American Mathematical Society 236, 2015, Arxiv
• mit Weinan E, J. Han: Deep learning-based numerical methods for high-dimensional parabolic partial differential equations and backward stochastic differential equations, Communications in Mathematics and Statistics 2017, Arxiv
• mit Christian Beck u. a.: Solving stochastic differential equations and Kolmogorov equations by means of deep learning, Arxiv, 2018
• mit J. Han, E Weinan: Solving high-dimensional partial differential equations using deep learning, Proc. Nat. Acad. Sciences USA, Band 115, 2018, S. 8505–8510, Arxiv

Weblinks

• Homepage an der Universität Münster

Einzelnachweise

1. Arnulf Jentzen im Mathematics Genealogy Project (englisch)
2. Felix Klein Prize, ECM 2020. Abgerufen am 14. Mai 2020. (englisch)