Dr. Hendrik Kleikamp
Professur für Angewandte Mathematik, insbesondere Numerik (Prof. Ohlberger)
Forschungsschwerpunkte
- Nicht-lineare Modellreduktion für transport-dominierte Probleme
- Reduzierte Basis Methoden und lineare Modellreduktion
- Wissenschaftliches maschinelles Lernen (neuronale Netze, Kernmethoden)
- (Optimale) Steuerung dynamischer Systeme
Promotion
Parametrized optimal control and transport-dominated problems: Reduced basis methods, nonlinear reduction strategies and data driven surrogates
- Betreuer
- Promotionsfach
- Mathematik
- Abschlussgrad
- Dr. rer. nat.
- Verleihender Fachbereich
- Fachbereich 10 – Mathematik und Informatik
Vita
Akademische Ausbildung
- Promotion in Mathematik
- MSc. Mathematik mit Nebenfach Informatik, Universität Münster
- BSc. Mathematik mit Nebenfach Informatik, Rheinische Friedrich-Wilhelms-Universität Bonn
Beruflicher Werdegang
- Wissenschaftlicher Mitarbeiter, Arbeitsgruppe Ohlberger, Universität Münster
- Studentische Hilfskraft, Institut für Analysis und Numerik, Universität Münster
- Studentische Hilfskraft, Arithmeum, Rheinische Friedrich-Wilhelms-Universität Bonn
Lehre
- Vorlesung: Analysis und Numerik von Differentialgleichungen [100350]
(zusammen mit Julia Schleuß und Mario Ohlberger)
- Vorlesung: Model Order Reduction [108361]
(zusammen mit Stephan Rave) - Praktikum: Nichtlineare Modellierung in den Naturwissenschaften [108339]
(zusammen mit Julia Schleuß, Svetlana Gurevich, Andreas Heuer, Christian Engwer und Mario Ohlberger) - Übung: Übungen zu Model Order Reduction [108410]
(zusammen mit Stephan Rave)
- Vorlesung: Numerik Partieller Differentialgleichungen II [106353]
(zusammen mit Julia Schleuß und Mario Ohlberger)
- Vorlesung: Numerik partieller Differentialgleichungen [104495]
(zusammen mit Mario Ohlberger) - Übung: Übungen Numerik partieller Differentialgleichungen [104496]
(zusammen mit Mario Ohlberger)
- Vorlesung: Angewandte Funktionalanalysis [102399]
(zusammen mit Julia Schleuß und Mario Ohlberger) - Übung: Übungen zur Vorlesung Angewandte Funktionalanalysis [102400]
(zusammen mit Julia Schleuß und Mario Ohlberger)
- Vorlesung: Analysis und Numerik von Differentialgleichungen [100418]
(zusammen mit Mario Ohlberger) - Praktikum: Einführung in die Numerik mit Python [100378]
(zusammen mit Lukas Renelt und Mario Ohlberger) - Übung: Übungen zur Vorlesung: Analysis & Numerik von Differentialgleichungen [100388]
(zusammen mit Mario Ohlberger)
- Vorlesung: Numerical Optimization [108408]
(zusammen mit Mario Ohlberger) - Übung: Exercises to Numerical Optimization [108409]
(zusammen mit Mario Ohlberger)
- Vorlesung: Numerik partieller Differentialgleichungen [106352]
(zusammen mit Christian Engwer) - Praktikum: Nichtlineare Modellierung in den Naturwissenschaften [106351]
(zusammen mit Lukas Renelt, Julia Schleuß, André Schlichting, Svetlana Gurevich, Andreas Heuer, Christian Engwer und Mario Ohlberger)
- Übung: Übungen zu Numerik Partieller Differentialgleichungen II [104383]
(zusammen mit Mario Ohlberger)
- Übung: Übungen zu Inversen Problemen [102375]
(zusammen mit Frank Wübbeling)
Publikationen
- Kleikamp, Hendrik, und Renelt, Lukas. . „Two-stage model reduction approaches for the efficient and certified solution of parametrized optimal control problems.“ Journal of Scientific Computing 104 (78). doi: 10.1007/s10915-025-02988-w.
- Kleikamp, Hendrik, Lazar, Martin, und Molinari, Cesare. . „Be greedy and learn: efficient and certified algorithms for parametrized optimal control problems.“ Preprint. ESAIM: Mathematical Modelling and Numerical Analysis 59 (1): 291–330. doi: 10.1051/m2an/2024074.
- Schembera, Björn, Wübbeling, Frank, Kleikamp, Hendrik, Schmidt, Burkhard, Shehu, Aurela, Reidelbach, Marco, Biedinger, Christine, Fiedler, Jochen, Koprucki, Thomas, Iglezakis, Dorothea, und Göddeke, Dominik. . „Towards a Knowledge Graph for Models and Algorithms in Applied Mathematics.“ In Proceedings of the 18th International Conference on Metadata and Semantics Research 2024, Communications in Computer and Information Science, herausgegeben von Michalis Sfakakis, Emmanouel Garoufallou, Matthew Damigos, Athena Salaba und Christos Papatheodorou. Cham: Springer. doi: 10.1007/978-3-031-81974-2_8.
- Kleikamp, Hendrik, und Ohlberger, Mario. . „Adaptive Model Hierarchies for Multi-Query Scenarios.“ Preprint. In MATHMOD 2025 - Discussion Contribution Volume, herausgegeben von Andreas Körner, Andreas Kugi, Wolfgang Kemmetmüller, Andreas Deutschmann-Olek, Andreas Steinböck, Christian Hartl-Nesic und Lukasz Piotr Jadachowski. Wien: ARGESIM Verlag. doi: 10.34726/9007.
- Kleikamp, Hendrik, und Wenzel, Tizian. . „Kernel Methods in the Deep Ritz framework: Theory and practice.“ Preprint. arXiv doi: 10.48550/arXiv.2410.03503.
- Kleikamp, Hendrik. . „Application of an adaptive model hierarchy to parametrized optimal control problems.“ Preprint. In Proceedings of the Conference Algoritmy 2024, herausgegeben von P. Frolkovič und K.Mikula and D. Ševčovič. Bratislava: Jednota slovenských matematikov a fyzikov.
- Wenzel, Tizian, Haasdonk, Bernard, Kleikamp, Hendrik, Ohlberger, Mario, und Schindler, Felix. . „Application of Deep Kernel Models for Certified and Adaptive RB-ML-ROM Surrogate Modeling.“ Preprint. In Large-Scale Scientific Computations, Bd. 13952 aus Lecture Notes in Computer Science, herausgegeben von I. Lirkov und S. Margenov. Cham: Springer Nature. doi: 10.1007/978-3-031-56208-2_11.
- Schembera, Björn, Wübbeling, Frank, Kleikamp, Hendrik, Biedinger, Christine, Fiedler, Jochen, Reidelbach, Marco, Shehu, Aurela, Schmidt, Burkhard, Koprucki, Thomas, Iglezakis, Dorothea, und Göddeke, Dominik. . „Ontologies for Models and Algorithms in Applied Mathematics and Related Disciplines.“ In Metadata and Semantic Research - 17th Research Conference, MTSR 2023, Milan, Italy, October 25–27, 2023, Revised Selected Papers, Bd. 2048 aus Communications in Computer and Information Science, herausgegeben von Emmanouel Garoufallou und Fabio Sartori. Cham: Springer. doi: 10.1007/978-3-031-65990-4_14.
- Haasdonk, B, Kleikamp, H, Ohlberger, M, Schindler, F, und Wenzel, T. . „A new certified hierarchical and adaptive RB-ML-ROM surrogate model for parametrized PDEs.“ SIAM Journal on Scientific Computing 45 (3): A1039–1065. doi: 10.1137/22M1493318.
- Keil, T, Kleikamp, H, Lorentzen, R, Oguntola, M, und Ohlberger, M. . „Adaptive machine learning based surrogate modeling to accelerate PDE-constrained optimization in enhanced oil recovery.“ Advances in Computational Mathematics 2022 (48) 73. doi: 10.1007/s10444-022-09981-z.
- Kleikamp, Hendrik, Ohlberger, Mario, und Rave, Stephan. . „Nonlinear Model Order Reduction using Diffeomorphic Transformations of a Space-Time Domain.“ In MATHMOD 2022 - Discussion Contribution Volume, Bd. 17 aus ARGESIM Report, herausgegeben von Felix Breitenecker, Wolfgang Kemmetmüller, Andreas Körner, Andreas Kugi und Inge Troch. Wien: ARGESIM Verlag. doi: 10.11128/arep.17.a17129.
Vorträge
Praxisorientierte Vorträge
- Kleikamp, Hendrik : “Introduction to model order reduction for parametrized problems”. Work group meeting of the ON-DEM COST Action, Enschede, .
- Kleikamp, Hendrik : “Introduction to model order reduction for control systems”. Work group meeting of the ON-DEM COST Action, Enschede, .
Wissenschaftliche Vorträge
- Kleikamp, Hendrik : “Model order reduction and machine learning for parametrized problems”. Seminar Talk, Graz, .
- Kleikamp, Hendrik : “Two-stage model reduction approaches for the efficient and certified solution of parametrized optimal control problems”. SIAM CSE (SIAM Conference on Computational Science and Engineering), Fort Worth, .
- Kleikamp, Hendrik : “Adaptive Model Hierarchies for Multi-Query Scenarios”. Minisymposium on "Recent Advances in Model Order Reduction and Data-driven Modelling" at MATHMOD (International Conference on Mathematical Modelling), Wien, .
- Kleikamp, Hendrik : “Model order reduction using nonlinear transformations of space-time domains”. Reisensburg Workshop on Nonlinear and Structure-Preserving Model Reduction, Günzburg, .
Praxisorientierter Vortrag
- Kleikamp, Hendrik : “Reduced Basis Methods with pyMOR”. pyMOR School and User Meeting 2024, Münster, .
Wissenschaftliche Vorträge
- Kleikamp, Hendrik : “Certified machine learning for model order reduction of parametrized problems”. Ulysseus Research Workshop on Mathematics in Machine Learning, Online, .
- Kleikamp, Hendrik : “Adaptive model hierarchies for solving parametrized optimal control problems in multi-query scenarios”. Seminar Talk, Genova, .
- Kleikamp, Hendrik : “Be greedy and learn: efficient and certified algorithms for parametrized optimal control problems”. Minisymposium on "New Trends in Model Order Reduction and Learning" at ALGORITMY 2024, Central-European Conference on Scientific Computing, Podbanske, .
- Kleikamp, Hendrik : “Be greedy and learn: efficient and certified algorithms for parametrized optimal control problems”. YMMOR - Young Mathematicians in Model Order Reduction, Stuttgart, .
Praxisorientierter Vortrag
- Kleikamp, Hendrik : “Model order reduction with artificial neural networks in pyMOR”. Minitutorial on "pyMOR - Model Order Reduction with Python" at SIAM CSE (SIAM Conference on Computational Science and Engineering) 2023, Amsterdam, .
Wissenschaftliche Vorträge
- Kleikamp, Hendrik : “Be greedy and learn - efficient and certified algorithms for parametrized optimal control problems”. Oberseminar Numerik, Münster, .
- Kleikamp, Hendrik : “A new Certified Hierarchical and Adaptive RB-ML-ROM Surrogate Model for Parametrized PDEs”. Minisymposium on "Adaptive Methods for Surrogate and Reduced Order Modeling" at ADMOS (XI International Conference on Adaptive Modeling and Simulation), Göteborg, .
- Kleikamp, Hendrik : “Nonlinear model order reduction for parametrized transport-dominated PDEs using registration-based methods”. YMMOR - Young Mathematicians in Model Order Reduction, Ulm, .
Praxisorientierter Vortrag
- Kleikamp, Hendrik : “Model order reduction using artificial neural networks”. pyMOR School 2022, Magdeburg (online), .
Wissenschaftliche Vorträge
- Kleikamp, Hendrik : “Nonlinear model order reduction for hyperbolic conservation laws by means of diffeomorphic transformations of space-time domains”. Model Reduction and Surrogate Modeling (MORE), Berlin, .
- Kleikamp, Hendrik : “Nonlinear model order reduction for parametrized hyperbolic conservation laws in a space-time domain”. Minisymposium on “Numerical methods for wave propagation problems” at CMAM (Computational Methods in Applied Mathematics) 2022, Wien, .
- Kleikamp, Hendrik : “Nonlinear Model Order Reduction using Diffeomorphic Transformations of a Space-Time Domain”. Minisymposium on "Recent Advances in Model Reduction and Surrogate Modeling" at MATHMOD (International Conference on Mathematical Modelling) 2022, Wien, .
- Kleikamp, Hendrik : “A certified and adaptive RB-ML-ROM surrogate approach for parametrized PDEs”. YMMOR - Young Mathematicians in Model Order Reduction, Münster, .
- Pelling, Art; Kleikamp, Hendrik : “Introduction to System Theory and Model Order Reduction”. YMMOR - Young Mathematicians in Model Order Reduction, Münster, .
- Kleikamp, Hendrik : “A certified and adaptive RB-ML-ROM surrogate approach for parametrized PDEs”. HCM Workshop: Synergies between Data Science and PDE Analysis, Bonn, .
- Kleikamp, Hendrik : “Nonlinear Model Order Reduction Using Geodesic Shooting in the Diffeomorphism Group”. Minisymposium on "Nonlinear Model Reduction Methods for Random or Parametric Time Dependent Problems" at SIAM UQ (SIAM Conference on Uncertainty Quantification) 2022, Atlanta, Georgia (hybrid), .
- Kleikamp, Hendrik : “Model order reduction using artificial neural networks”. pyMOR School 2021, Münster, .