Computergestütztes Materialdesign mit Hilfe von maschinellem Lernen

Die rechnergestützte Wissenschaft ist von größter Bedeutung für das physikalische Verständnis und den technologischen Fortschritt bei der Entwicklung von Materialien und Geräten. In jüngster Zeit wurde dieser Bereich durch die Verschmelzung von rechnergestützten und maschinellen Lernverfahren (ML) vorangetrieben. Es wurden mehrere Ansätze vorgeschlagen, die von der direkten Modellierung atomistischer Struktur-Eigenschafts-Beziehungen über die Verwendung von ML als Ersatzmodell bis hin zur direkten Einbeziehung von ML-Modellen in Simulationen reichen. Obwohl die verschiedenen räumlichen Skalen von Materialien (Quanten, Atome, Kontinuum) mit unterschiedlichen Problemen behaftet sind, gibt es viele Herausforderungen, die allen Skalen gemeinsam sind, wie z. B. der Bedarf an ausreichend großen Datensätzen, die gleichzeitig so klein wie möglich sind. Der Wissenstransfer zwischen den Teilbereichen der Computerwissenschaften kann daher sowohl bei der Methodenentwicklung als auch bei der Anwendung zu Fortschritten führen.