Anatole von Lilienfeld-Toal

Das Ziel ist, große, aktuelle Datensätze der Quantenchemie mit Methoden des maschinellen Lernens zu verbinden, um eine besondere Herausforderung zu bewältigen. Dazu werden QML-Modelle entwickelt und angewandt, die dazu in der Lage sind, genaue Vorhersagen über chemische Reaktionen in Echtzeit zu liefern. Dieses Vorhaben umzusetzen wäre ein bedeutender Fortschritt in der Chemie, da es Forschungslabore weltweit mit einem Werkzeug ausstatten könnte, um Reaktionen vor der Durchführung der Experimente interaktiv und zuverlässig zu planen. Auch Forscher*innen im Bereich der atomistischen Simulation werden von diesen Entwicklungen profitieren, da wesentlich größere Sätze an Reaktionsprofilen für spätere Analysen zugänglich gemacht werden. Konzeptuell bedeutet das Erreichen von Echtzeitgeschwindigkeit und chemischer Genauigkeit bei chemischen Reaktionen eine wesentliche Vertiefung unseres Verständnisses der Chemie und könnte sogar zur Entdeckung neuer chemischer Reaktionen oder Katalysatoren führen. Es ist durchaus vorstellbar, dass bisher unbekannte Regeln, ähnlich der Hammett-Beziehung, durch diese Arbeit entdeckt werden.   Hinweis: Grant transferiert an die Universität Wien (2020), Grant transferiert zu anderer Institution (2022)