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.
KI ist in aller Munde. Doch welchen Einfluss haben KI und Methoden des maschinellen Lernes auf die Naturwissenschaften? Werden sie sich nachhaltig auf die wissenschaftliche Forschung auswirken oder entsteht durch den Hype eine Blase, die irgendwann platzen wird? Im Rahmen unserer CZS Summer School möchten wir diese und andere Fragen mit unseren Referent*innen diskutieren und anschließend bei einem informellen Stehimbiss mit dem Publikum ins Gespräch kommen.
Zum KIT VeranstaltungskalenderAm 25. April konnten 10 Schülerinnen in unserer Gruppe unsere neue VR-Anwendung ausprobieren. Mithilfe von VR-Brillen und haptischen Handschuhen konnten sie Moleküle nicht nur sehen sogar regelrecht "anfassen" und so die faszinierende Welt der Moleküle aus einer völlig neuen Perspektive interaktiv erkunden.
Weitere informationenVom 9. bis 13. September findet am KIT die CZS Summerschool 2024 zum Thema “Machine Learning for Chemistry” statt. Die behandelten Themen decken dabei verschiedene Anwendungen des maschinellen Lernens in der Chemie ab, wie z.B. Design und Verständnis von Molekülen und ihren Eigenschaften, ML-Kraftfelder für atomistische Simulationen, Synthesevorhersagen sowie self-driving labs.
Webseite & AnmeldungIm Sommersemester 2024 bieten wir die Vorlesung "Maschinelles Lernen für die Naturwissenschaften" mit der zugehörigen Übung sowie das Seminar "Kritische Fragestellungen der KI" an.
Zur ÜbersichtHeute würdigt die AiMat-Gruppe die großartigen wissenschaftlichen Leistungen der Doktorandinnen und Studentinnen Marlen Neubert, Yuri Koide, Yumeng Zhang, Mariana Petrova, Annika Leinweber, Laura Ruple, Klara Eckhardt, Aleksandra Hryncyszyn, Michelle Walter und viele mehr in den vergangenen Jahren. Vielen Dank an Stephanie Wolf, die uns großartig unterstützt. Wir freuen uns darauf, in den kommenden Jahren weitere Frauen in der Gruppe willkommen zu heißen!
Weitere InfosHerzlichen 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:2211.13236v2Wir 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?
StellenangeboteVom 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