Schlagwort: Paper Veröffentlichung

Die letzte Woche war wieder sehr arbeitsreich. Ist irgendwie auch nichts neues mehr. Naja.

Zusammen mit zwei Kollegen habe ich eine Einreichung zu einer Konferenz erarbeitet. Ein schönes Paper über eine Visualisierungstechnologie. Natürlich kann ich mehr noch nicht sagen solange das Paper nicht angenommen ist. Mal schauen. Wir haben gut gearbeitet und ich bin ganz zuversichtlich. Ok. Das war ich auch bei den meisten Paper die dann abgelehnt wurden. Wie dem auch sei.

Außerdem gab es dann letzte Woche noch eine gute Nachricht. Das Paper eines Kollegen, bei dem ich beteiligt war, wurde auf der Multimedia Modelling 2015 angenommen:
[bibtex key=spehr2015mmm]
Ich will mich nicht mit fremden Federn schmücken. Die Idee, die Umsetzung, das System und das Paper stammt alles zu den größten Teilen von meinem Kollegen Marcel Spehr. Tolle Leistung. Alles was ich gemacht habe war dabei zu stehen, hier und da etwas mit anzupacken oder eine Richtung vorzugeben, und dann natürlich beim eigentlichen Schreiben des Papers zu unterstützen.

System-Paper find ich toll. Es sind Arbeiten die über einfache Software in der Forschung hinausgehen. Diese Systeme, dieses hier und mein MegaMol, haben potential wirklich nützlich zu bleiben.

Last week was full of work. Somehow, I write something like this every week. Well…

Together with two colleagues I worked on a submission for a conference last week. A nice paper about a visualization technology. Of course, I cannot say more about it as long as it is not accepted for publication yet. We will see. We did a good job and I am confident. Well, I was confident with most papers that got rejected too. Whatever.

Additionally, there was good news last week. The paper of another colleague of mine, with which I was involved, was accepted for publication at the Multimedia Modelling 2015:
[bibtex key=spehr2015mmm]
I don’t want to take credit for other’s achievements. The idea, the implementation, the system and the publication, all of that was mostly the work of my colleague Marcel Spher. Great work. All I did was helping out with some details, pointing in some directions and helping with writing the paper itself.

I like system papers. It is work beyond simple software used in research. These system, the one presented here and my MegaMol, have the potential to stay useful for a long time.

[bibshow] Heute möchte ich über eine meiner neusten wissenschaftlichen Publikationen sprechen: Visualisierung multi-dimensionaler Trajektorien. Die Publikation ist in der Wiley Online Library elektronisch verfügbar (http://onlinelibrary.wiley.com/doi/10.1111/cgf.12352/abstract): Visual Analysis of Trajectories in Multi-Dimensional State Spaces [bibcite key=Grottel2014HDTraj].

Zunächst einmal, was ist eine multi-dimensionale Trajektorie? Wir untersuchten Zustände komplexer System, wie automatisierte Systeme oder Roboter. Jedes Element in so einem System, z.B. ein Motor oder ein Sensor, besitzt mehrere Zustandsvariablen, wie gemessene Temperator oder Rotationskraft des Motors. Diese Variablen können sogar vektoriell sein. Aber selbst wenn sie nur skalar sind, da System ist üblicherweise aus vielen solchen Elementen zusammengesetzt. Der Zustand des Gesamtsystems ist daher immer der Vektor aller Zustandsvariablen aller Elemente. Die Systeme die wir untersucht hatten haben Vektoren mit mehreren Duzend Variablen. Diese Größenordnung benennt man mit multi-dimensional, im Gegensatz zu hoch-dimensional, womit Räume mit mehreren hundert oder mehreren tausend Dimensionen gemeint sind. Der Zustand eines Systems als Ganzes kann nun als Punkt in dem multi-dimensionalen Zustandsraum interpretiert werden. Allerdings sind unsere Systeme nicht statisch, sondern werden in Echtzeit überwacht. Die Werte der Zustandsvariablen ändern sich, z.B. steigen Temperaturen und Motoren drehen sich. Der Zustandspunkt des System bewegt sich also durch den Zustandsraum. Der Pfad den er dabei nimmt ist seine Trajektorie.

Unser Ansatz zur Visualisierung dieser Daten basiert auf klassischen Visualisierungmetaphern der multi-dimensionalen Datenvisualisierung: nämlich Scatterplot Matrizen und Parallele-Koordinaten-Plots. Wir nutzen zusätzliche Darstellungen, z.B. temporale Heat-Maps. Der Hauptaspekt unserer Arbeit ist jedoch die Art und Weise wie wir diese Diagramme berechnen. Normallerweise würde man die multi-dimensionalen Datenpunkte einfach in den Diagrammen als Punkte oder Linienzüge einzeichnen. Wir, jedoch, nutzen die Art der Daten aus, nämlich die zeitliche Kontinuität. Wir integrieren die Daten über die Zeit um kontinuierliche Diagramme zu erzeugen. Diese Arbeit basiert auf Vorarbeiten kontinuierlicher Scatterplots und Paralleler-Koordinaten-Plot, die räumlich integrieren. Wir haben diese Integration auf die zeitliche Dimension übertragen.

[bibshow] Today I want to talk about one of my newest published research papers, about visualization of multi-dimensional trajectories. It is electronically available here at the Wiley Online Library (http://onlinelibrary.wiley.com/doi/10.1111/cgf.12352/abstract): Visual Analysis of Trajectories in Multi-Dimensional State Spaces [bibcite key=Grottel2014HDTraj].

First off, what is multi-dimensional trajectory? We were investigating the state of complex systems, like automation system or robotics. Each element of such a system, e.g. a robotic motor or a sensor, holds several state variables, like sensed temperature or rotation moment applied by the motor. These variables might even be vectors. But even if they are only scalar values, the system is constituted from several dozens of such elements. Thus, the state of the whole system is always a vector containing the state variables of all components. For the systems we investigated, these vectors are of the size of severs tens or variables. This order or magnitude is referred to by the term multi-dimensional, compared to high-dimensional, which refers to data with several hundred or thousand dimensions. The whole system state can be understood as point in the multi-dimensional state space. Now, our system is not static, but is monitored in real time. Thus the values of the state variables change. Temperatures rise and motors move. This can be interpreted as the point of the system state moving through the state space. This movement path is what we call the trajectory.

Our approach on visualizing this trajectory was using classical visualization metaphors on multi-dimensional data visualization, namely scatterplot matrices and parallel coordinate plots. We supplemented these plots with additional views, like a temporal heat map. The main aspect of our work was the technique we used to generate these plots. Normally, the sample points of the data will be simply drawn into the plots as points or poly-lines. We, however, took the nature of the data into account, which is the temporal continuity of the discretely sampled signal. We constructed an integration concept for continuous plots in this respect. Our work was based on previous work on continuous scatterplots and parallel coordinate plots, which used spatially continuous interpolation. We adapted this concept to continuous-time interpolation.

[bibshow] Im Zeitraum 2007 bis 2012 war ich am Visualisierungsinstitut der Universität Stuttgart, bzw. am Institut für Visualisierung und Interaktive Systeme. Der Kernbereich meiner Arbeit war die Forschung und Entwicklung von Visualisierungen für Datensätze aus Molekulardynamiksimulationen, finanziert durch den Sonderforschungsbereich 716 der DFG. Einerseits ging es darum mit immer größeren Datensatzen umgehen zu können und andererseits ging es darum eine effiziente visuelle Analyse zu unterstützen, indem sinnvolle Darstellungen von den Originaldaten abgeleitet werden. 2007 stellte ich auf der IEEE VIS Konferenz in Sacramento hierzu meine erste Arbeit vor, dieses Paper mit dem Titel „Visual Verification and Analysis of Cluster Detection for Molecular Dynamics“ [bibcite key=Grottel2007nucleation]. In dieser Arbeit geht es darum Algorithmen zu Detektion von Molekülcluster, z. B. Vorläufer von Tropfen in Gasen, zu untersuchen. Jeder solcher Algorithmus hat seine Schwächen und Stärken, je nach Anwendungsfall, und so spielt die visuelle Untersuchung der Ergebnisses eine wichtige Rolle. Vor allem die Stabilität der gefundenen Cluster über die Zeit, sowie ihre Interaktion sind hier ausschlaggebend.

Daher habe wir (meine Kollegen und ich) in diesem Paper zunächst unterschiedliche Definitionen aufgestellt, um wichtige Teile des Datensatzen zu identifizieren. Die vielleicht wichtigste ist die der „Flussgruppe“: eine Gruppe von Molekülen, die zusammen, zu einem Zeitpunkt einen Molekülcluster verläßt und zu einem späteren Zeitpunkt zusammen, gleichzeitig einem zweiten gemeinsamen Molekülcluster wieder beitreten. Es sind also alle Moleküle die gemeinsam, gleichzeitig den Cluster wechseln. Diese Definition erlaubt, visualisiert in unterschiedlichen Ansichten, die Stabilität eines Algorithmus zur Clustererkennung zu beurteilen und sogar unterschiedliche Algorithmen miteinander zu vergleichen. Diese Arbeit war dann auch der Grundstein für meine Dissertation zum Thema Visualisierung von Molekulardynamikdaten.