HRW-Student präsentiert Forschung auf NHR Conference

Ein besonderer Erfolg für die Forschung am Institut Mess- und Sensortechnik: HRW-Student Manssor Ghaderinia hat Forschungsergebnisse aus dem Forschungsgebiet von Prof. Dr. Jens Allmer auf der NHR Conference ’26 in Paderborn präsentiert. Der Beitrag wurde als regulärer wissenschaftlicher Vortrag im Themenbereich „Low- and Mixed-Precision Computing for Simulation and AI“ angenommen.

Die NHR Conference fand vom 14. bis 17. September 2026 statt und brachte Wissenschaftler, Anwender und Experten aus dem Bereich High Performance Computing (HPC) zusammen. Im Mittelpunkt stehen Forschungsarbeiten, die besonders rechenintensive Verfahren, moderne Rechnerarchitekturen und künstliche Intelligenz einsetzen.

KI trifft Bioinformatik

Unter dem Titel „Reproducible GPU-Based Hyperparameter Optimization and Neural Architecture Search for pre-miRNA Classification“ ging es um die Frage, wie künstliche Intelligenz dabei helfen kann, sogenannte Precursor-MicroRNAs (pre-miRNAs) zuverlässig in großen biologischen Datensätzen zu erkennen. Die zugrunde liegenden Forschungsfragen sind integraler Bestandteil der Forschungsarbeit von Prof. Dr. Jens Allmer.

Ausgangspunkt war ein bereits publiziertes neuronales Netz zur Klassifikation von pre-miRNAs, das Prof. Dr. Jens Allmer gemeinsam mit Forschenden der Technischen Universität Eindhoven entwickelt hatte. Darauf aufbauend arbeitete Manssor Ghaderinia im Rahmen seines Praxissemesters und seiner Bachelorarbeit an der weiteren Untersuchung mit. Er arbeitete sich intensiv in die komplexe HPC-Infrastruktur und KI-Entwicklung ein und setzte automatisierte Hyperparameteroptimierung und Neural Architecture Search ein um das bestehende Modell zu verbessern. Zahlreiche Trainingskonfigurationen und Netzwerkarchitekturen wurden auf Hochleistungsrechnern und GPUs des Paderborn Center for Parallel Computing getestet.

Das beste Modell erreichte auf einem unabhängigen Testdatensatz eine ROC-AUC von 0,995 und zeigte eine hohe Sensitivität und Spezifität. Anschließend kam das optimierte Modell zunächst bei rund 169.000 RNA-Sequenzen und später bei rund 200 Millionen potenziellen miRNA-Kandidaten des menschlichen Genoms zum Einsatz.

Ganz einfach zusammengefasst: Im Rahmen der Forschungsarbeit wurde untersucht, wie sich künstliche Intelligenz trainieren lässt, um bestimmte RNA-Strukturen in sehr großen biologischen Datenmengen zuverlässig zu erkennen. Manssor Ghaderinia wirkte daran im Rahmen seines Praxissemesters und seiner Bachelorarbeit mit.

Vom Praxissemester bis zum Fachvortrag

Bemerkenswert ist die Entwicklung von Herrn Ghaderinia: Vom Praxissemester bis zu seiner Bachelorarbeit vertiefte er seine Kenntnisse in technischer Infrastruktur und KI-Entwicklung und leistete damit eine wichtige Weiterentwicklung der Forschungsarbeit. 

Dass die Ergebnisse schließlich als Contributed Talk in das reguläre wissenschaftliche Programm der NHR Conference (Link) aufgenommen wurden, hebt den Beitrag von einem studentischen Poster oder einer reinen Nachwuchsveranstaltung deutlich ab. Den wissenschaftlichen Vortrag auf der NHR Conference hielt Ghaderinia selbstständig.

„Mich hat besonders begeistert, wie sich künstliche Intelligenz nutzen lässt, um biologische Fragestellungen zu untersuchen. Es war für mich sehr spannend, mich intensiver mit Deep Learning auseinanderzusetzen, ein völlig neues Betriebssystem sowie neue Methoden und Verfahren kennenzulernen und meine Python-Kenntnisse wieder aufzufrischen. Dabei konnte ich viel ausprobieren und dazulernen. Auch wenn nicht jeder Ansatz sofort funktioniert hat, bin ich drangeblieben und konnte schließlich sehr gute Ergebnisse erzielen. Ein ganz besonderer Moment war es für mich, unsere Forschungsergebnisse auf Englisch vor einem wissenschaftlichen Fachpublikum in Paderborn zu präsentieren. Diese Erfahrung werde ich nicht vergessen“, berichtet Manssor Ghaderinia.

„Diese Arbeit war sehr komplex und verlangte von Herrn Ghaderinia, sich mit HPC-Rechnersystemen zu beschäftigen, biologische Zusammenhänge zu untersuchen und diese dann mit einem dato noch nicht standardisierten Optimierungsprotokoll in ein erfolgreiches KI-Modell umzusetzen. Aktuell wird die erfolgreiche Vorhersage von biologischer Funktion immer wichtiger, da die Messung oft nicht mehr der limitierende Faktor ist“, so Prof. Allmer.

Impulse für Forschung und Lehre

Neben dem eigenen Beitrag bot die Konferenz Einblicke in aktuelle Entwicklungen im High Performance Computing. Dazu gehörten unter anderem Ansätze, neuronale Netze auf FPGA-basierte Hardware zu übertragen, um KI-Modelle schnell und energieeffizient auszuführen.

Besonders relevant für den Lehr- und Forschungsbereich der HRW war zudem die Keynote von Andrea Cavalli zum Thema „Genomics meets Artificial Intelligence towards Applications in Precision Medicine“. Sie zeigte, wie Genomik, Bioinformatik, künstliche Intelligenz und Präzisionsmedizin zusammenspielen. Themen, die auch im Studiengang Gesundheits- und Medizintechnologien eine wichtige Rolle spielen.

Die Arbeit zeigt beispielhaft, wie Studierende an der HRW bereits während ihres Studiums in laufende Forschungsarbeiten eingebunden werden können. Manssor Ghaderinia setzte sich dabei intensiv mit anspruchsvollen Methoden und Infrastrukturen auseinander und präsentierte die Forschungsergebnisse schließlich selbstständig vor einem wissenschaftlichen Fachpublikum. Aktuell werden die Ergebnisse als wissenschaftliche Publikation aufgearbeitet.