Künstliche Intelligenz für die Materialwissenschaften
Willkommen auf der Homepage der AiMat (Artificial Intelligence for Materials Sciences) Gruppe am KIT in der wir an der Entwicklung von Methoden der künstlichen Intelligenz und des maschinellen Lernens mit Fokus auf Anwendungsgebieten in den Natur- und Materialwissenschaften arbeiten.
Die Forschungsgruppe unter Leitung von Juniorprofessor Pascal Friederich wurde im Jahr 2020 gegründet und wächst seitdem. Wir suchen deswegen immer nach talentierten Studierenden und ForscherInnen in der Informatik oder den Naturwissenschaften zur Verstärkung unseres Teams!
Unsere Forschungsschwerpunkte sind
- Datengetriebene Vorhersage von Materialeigenschaften und computergestütztes Materialdesign
- Beschleunigte und Machine-Learning gestützte Materialsimulationen auf atomarer Skala
- Direkte Kopplung von Methoden des maschinellen Lernens mit Simulationen und Experimenten.
Herzlichen Glückwunsch an Jonas Teufel zum Best Student Paper Award bei der xAI World Conference 2023! Jonas hat den Preis für seinen Vortrag mit dem Titel "MEGAN: Multi-Explanation Graph Attention Network" erhalten, in dem er die Ergebnisse unseres kürzlich veröffentlichten arXiv Artikels vorgestellt hat.
arXiv:2211.13236v2
Im Wintersemester 2023/24 bieten wir die Vorlesung "Grundlagen der Künstlichen Intelligenz mit der zugehörigen Übung, das Seminar "Kritische Fragestellungen der KI" und das Proseminar "Fortgeschrittene Themen des maschinellen Lernens" an.
Zur Übersicht
Wir suchen nach talentierten und motivierten jungen WissenschaftlerInnen mit einem Hintergrund in der Informatik oder den Naturwissenschaften, um das Team zu verstärken! Zurzeit sind zwei Promotionsstellen und eine Postdoc Stelle verfügbar. Interessiert?
Stellenangebote
Vom 18. bis 22. September findet am KIT die GC-MAC Summer School 2023 zum Thema "Materials Acceleration Platforms (MAPs) for energy materials" statt. Die behandelten Themen beinhalten u.a. automatisierte Synthese und Charakterisierung, Integration von Simulationsmethoden in das Materialdesign und ML-Methoden für MAPs.
Webseite & Anmeldung