M.Sc. in Mathematischer Physik mit Hintergrund in Differentialgeometrie, PDE-Theorie und Feldtheorie, inzwischen vor allem in wissenschaftlicher Software und Machine Learning unterwegs. Mathematik und Code liegen mir gleichermaßen: Ich habe differenzierbare Physik-Simulatoren, generative Graphmodelle und eine Bibliothek für diskrete Differentialgeometrie gebaut, das meiste von Grund auf in PyTorch. Mich interessiert vor allem, wie strukturierte Systeme aus einfachen lokalen Regeln entstehen.
Fabian Lander, Erik Löffelholz, Diaaeldin Taha, Steve Trettel, Anna Wienhard.
„Illustrating Hyperbolic Surfaces with Mesh Embeddings."
Eingereicht bei der Bridges Conference 2026 (Regular Papers Track). Unter Begutachtung.
Python · JavaScript · TypeScript · C++
PyTorch (Autograd, PINNs, GNNs) · Diffusionsmodelle · VAEs · Neural ODEs
Numerische Integration (Runge-Kutta, Monte Carlo) · Differenzierbare Simulation · NumPy · SciPy
Funktionalanalysis · PDE-Theorie · Variationsmethoden · Differentialgeometrie · diskrete Differentialgeometrie · Gruppentheorie
Git · Docker · FastAPI · LaTeX · Agentische Coding-Modelle · KI-Datenlabeling · RLHF / LLM-Bewertung
Deutsch (Muttersprache) · Englisch (C1, verhandlungssicher)
Dr. Diaaeldin Taha
Forschungsgruppenleiter (Mathematical Structures in AI)
Max-Planck-Institut für Mathematik in den Naturwissenschaften, Leipzig
taha@mis.mpg.de
Mesh-Einbettungen & diskrete Differentialgeometrie. GPU-Einbettung von Meshes in hyperbolische und sphärische Räume durch Feder-Masse-Energieminimierung, mit einer Operator-Bibliothek für diskrete Differentialgeometrie (Kotangens-Laplace, Krümmung, Heat-Method-Geodäten). Rechnerische Grundlage der Bridges-2026-Arbeit.
Graph ML Lab. GCN, GAT, Graph-VAE, diskrete Diffusion und gemeinsame diskret-kontinuierliche Diffusion über Graphstruktur und 3D-Positionen, alles von Grund auf. Reines PyTorch, keine externen GNN-Bibliotheken. github.com/erik2810/ml-projects
DiffQFT. Differenzierbare Quantenfeldtheorie im euklidischen AdS₂: Witten-Diagramm-Integration, neuronale Surrogate und ein PINN-Löser für die Klein-Gordon-Gleichung. github.com/erik2810/DiffQFT
Differenzierbarer Physik-Simulator. Eine neuronale ODE, die chaotische Lorenz-Dynamik im Browser von Grund auf lernt, mit Backpropagation und einem von Hand in JavaScript geschriebenen Adam-Optimizer. github.com/erik2810/differentiable-physics-engine
Vollständiges Projektportfolio mit Live-Demos unter erik2810.github.io/projects