Abolfazl Lavaei, Dr.-Ing.
 

Abolfazl Lavaei 

Abolfazl Lavaei
Postdoktorand

Lehrstuhl für Software und Computational Systems
Institut für Informatik
Ludwig-Maximilians-Universität München (LMU)

Büro: Raum F U109
Oettingenstr. 67
80538 München, Deutschland

Tel:  +49 89 2180-9345
Fax: +49 89 2180-9175

E-Mail: lavaei@lmu.de
               lavaei@tum.de
Web:     www.lavaei.de

Biografie

Abolfazl Lavaei ist seit November 2019 Postdoc am Lehrstuhl für Software und Computational Systems am Institut für Informatik der Ludwig-Maximilians-Universität München (LMU). Er ist außerdem Mitarbeiter des Hybriden Steuerungssystems (HyConSys) Lab unter der Leitung von Prof. Dr. Majid Zamani. Er erhielt den Phd. Abschluss mit der höchsten Auszeichnung, summa cum laude, in Elektrotechnik der Technischen Universität München (TUM), 2019. Während seiner Promotion Studien wurde er als einer der drei besten Finalisten für den IFAC Young Author Award beim 15. IFAC-Symposium für hochdimensionale komplexe Systeme: Theorie und Anwendungen (LSS) im Jahr 2019 ausgewählt. Er erhielt den M.Sc. Studium der Luft- und Raumfahrttechnik mit Spezialisierung auf Flugdynamik und Regelung an der Universität Teheran (UT). Für seine Masterarbeit erhielt er den Best Graduate Student Award in allen Studienbereichen an der Fakultät für neue Wissenschaften und Technologien der Universität Teheran. Er ist der erste und einzige Student im ganzen Land, dem es gelungen ist, in zwei Semestern (einem akademischen Jahr) einen zweijährigen Master of Science mit dem vollen GPA (20/20) zu erhalten. Er ist auch der Empfänger mehrerer renommierter Phd. Stipendien von verschiedenen Spitzenuniversitäten. Er ist Alumni-Stipendiat der Munich Aerospace Research Group sowie des DLR Graduate Program.

Sein Forschungsschwerpunkt liegt auf theoretischen und praktischen Aspekten der “automatisierten Verifizierung und Steuerung von hochdimensionalen stochastischen cyber-physikalischen Systemen” mit Anwendung auf das autonome Fahren. Seine Forschungsinteressen konzentrieren sich auf die Schnittstelle von Steuerungstheorie, Optimierung, Datenwissenschaft und maschinellem Lernen, für die er kompositorische formale Methoden, bestärkendes Lernen/tiefes Lernen, datengestützte Optimierung und fortgeschrittene (parallele) Programmierung in C++/Python/OpenCL einsetzt.