Etablierung von Methoden und Konzepten der künstlichen Intelligenz und des maschinellen Lernens für die Polymerforschung und für die Generation von neuen Erkenntnissen aus großen Datenbeständen

Die Methoden der künstlichen Intelligenz eröffnen gemeinsam mit experimentellen kombinatorischen Hochdurchsatzmethoden neue Möglichkeiten für die auf Zieleigenschaften orientierte Materialforschung. In großen Datenmengen können Algorithmen des maschinellen Lernens Zusammenhänge zwischen Strukturen und Eigenschaften von polymeren Materialien identifizieren. Dazu müssen auch Konzepte für eine zentrale und nachnutzbare Datenerfassung und Speicherung realisiert werden.
Zusammen mit den aus Experimenten und theoretischen Modellen gewonnen analytischen Einsichten, haben diese Methoden das Potential, die Vorhersage von Materialeigenschaften enorm zu erweitern.
Es werden neue Ansätze für Simulationsmethoden und die theoretische Polymerforschung, für die Forschung zu Biomaterialien, nanooptischen Bauelementen sowie Prozess- und Werkstofftechnologien und der Katalyse erwartet.

Prof. Dr. Jens-Uwe Sommer, Prof. Dr. Carsten Werner, Prof. Dr. Andreas Fery, Prof. Dr. Markus Stommel