Als angewandter Analytiker liegt seine Forschung an der Schnittstelle von PDEs, die Mean-Field-Teilchenmodelle beschreiben, Netzwerkdynamik, die Mathematischen Grundlage des maschinellen Lernens und der Steuerungstheorie. Vor seiner jetzigen Stelle arbeitete er in der Gruppe von Christian Kuehn an der TU München (über ein Schrödinger-Stipendium) und in der Gruppe von Enrique Zuazua an der FAU Erlangen. Im Jahr 2020 schloss er sein Doktorat an der TU Wien unter der Leitung von Anton Arnold ab.

Dr. Wöhrers PDE-Analyse konzentriert sich auf explizites Langzeitverhalten unter Verwendung von Entropiemethoden und Spektraltheorie. In seiner aktuellen Forschung untersucht er Modelle, die Teilcheninteraktionen in großen Netzwerken einbeziehen, mit realen Anwendungen wie Synchronisationsphänomenen, Meinungsdynamik und dem Verhalten neuronaler Netzwerke.

Darüber hinaus untersucht er Deep-Learning-Algorithmen, insbesondere neuronale ODEs, und deren mangelnde Robustheit mit Werkzeugen aus dynamischer Systeme und der Steuerungstheorie.