Eine Physikerin auf Achse – aus der Krebsforschung in die Raumfahrt
Die neue DLR-Kollegin Charlotte Debus wagte einen Sprung aus der Krebsforschung in die Raumfahrt und erzählte uns in einem Gespräch etwas über die weit gefächerten Arbeitsgebiete einer Physikerin. Zunächst war Charlie viele Jahre in der medizinischen Physik unterwegs, im Februar 2019 ist sie in der Abteilung High-Performance Computing unseres Instituts eingestiegen und widmet sich in ihren Projektem dem maschinellen Lernen.
Der Weg formt das Ziel
Steuert man ein Physikstudium an, so wird es den Studierenden meist früh bewusst, dass Physiker nicht gleich Physiker ist. Die Bandbreite an Fachgebieten, in denen man mit einem Abschluss in Physik unterkommen kann, ist wahrhaftig groß. Dass PhysikerInnen oft „Alleskönner“ genannt werden, passt auch auf den Werdegang von der promovierten Physikerin Charlie Debus. Als sie in ihr Studium der Physik in Heidelberg einstieg, dachte sie: „Ich will auf jeden Fall experimentelle Teilchenphysikerin werden“. Im Laufe des Studiums formte sich ihr Blick, und durch Praktika und Zufälle kam sie in der medizinischen Physik unter. Sie festigte ihren Weg in der Medizinphysik und forschte während der Doktorarbeit speziell im Bereich der Strahlentherapie. „In einer interdisziplinären Arbeitsgruppe ‚Translationale Radioonkologie‘ untersuchte ich zusammen mit BiologInnen, ÄrztInnen und InformatikerInnen Möglichkeiten zur Verbesserung der Strahlentherapie mithilfe bildgebender Verfahren“, erzählt Charlie.
Auch Maschinelles Lernen will gelernt sein – eine bereichernde Kooperation
Am DLR startete Charlie in einem neuen abteilungsübergreifenden Projekt, bei dem es um Maschinelles Lernen geht. Zusammen wollen die drei Abteilungen des Instituts an Algorithmen arbeiten, die die Auswertung von großen Datenmengen durch Deep-Learning-Netzwerke ermöglichen. Für die Bereitstellung großer Datenmengen konnte das DLR-Institut Earth Observation Center (EOC) als Partner gewonnen werden. In dem Projekt trifft die Expertise von Charlie und ihren KollegInnen im parallelen Rechnen auf das Können von EOC im Bereich Machine Learning. So soll die Kooperation mit dem EOC ein gegenseitig bereichernder Austausch werden. Eine mögliche spannende Anwendung für die Bilderkennungsalgorithmen: Satellitendaten und Social-Media-Bilder sollen kombiniert und mit Deep-Learning-Netzwerken analysiert werden, um eine 3D-Kartografie der urbanen Strukturen der Erde zu erstellen.
Cologne calling
Der Wechsel aus der beschaulichen Universitätsstadt Heidelberg in die Rheinmetropole Köln erfolgte über eine kurz entschlossene Bewerbung. Nachdem Charlie die Stellenausschreibung am DLR gesehen hatte, folgte sie ihrem Bauchgefühl, bewarb sich, wurde baldig zu einem Gespräch eingeladen und so nahm alles seinen Lauf. Nun ist sie sehr froh in Köln angekommen zu sein: „Köln bekommt mir“, meint sie und sagt, dass es sehr erfrischend ist, wie kulturell facettenreich, freundlich und weltoffen die Großstadt am Rhein ist. Wie viele Zugezogene meint sie, dass Köln zwar zunächst optisch nicht die schönste Stadt ist, aber dass sie „durch ihre innere Schönheit besticht“. Den thematischen Wechsel von der Analyse von MRT-Bildern zur Analyse von Bilddaten der Erde sieht sie sportlich. Zur Frage, ob sie den Sprung von einem Thema zum nächsten groß empfindet, antwortet sie etwas schelmisch: „Es ist ja beides rund – Köpfe wie Planeten“.