Helmholtz Information & Data Science Academy Lectures
Die HIDA Lectures sind eine Veranstaltungsreihe, die die HIDA gemeinsam mit den sechs Helmholtz Information & Data Science Schools organisiert. Über das ganze Jahr laden die Data Science Schools herausragende internationale Data Scientists ein, über ihre aktuelle Forschung zu sprechen.
Da die Schools alle Helmholtz Forschungsbereiche - Energie; Erde und Umwelt; Gesundheit; Information; Materie sowie Luftfahrt, Raumfahrt und Verkehr - vetreten, wird die Reihe ein breites Spektrum von Themen wiedergeben und bietet die tolle Gelegenheit, in die Vielfalt aktueller Ansätze der Data Science einzutauchen.
Wir laden die interessierte Öffentlichkeit herzlich ein und ganz besonders Promovierende der Helmholtz-Gemeinschaft. Sie erhalten hier Einblick in die vielfältigen Aktivitäten der Schools und der HIDA, aber können vor allem mit internationalen Forscherinnen und Forschern über unterschiedliche Anwendungsfelder der Data Science diskutieren.
Alle Veranstaltungen der Reihe sind öffentlich.
Gastgeber der ersten HIDA Lecture ist die "Data Science in Hamburg - Helmholtz Graduate School for the Structure of Matter" (DASHH).
Am 15. April um 14 Uhr wird Anatole von Lilienfeld als unser erster Referent in der Reihe die virtuelle Bühne betreten.
HIDA Lectures @ DASHH
Anatole von Lilienfeld ist Professor für "Computational Materials Discovery" and der Universität Wien. Sein Forschungsschwerpunkt ist hochgradig interdisziplinär und nutzt physikalische, mathematische und computergestützte Wissenschaften für die quantenmechanische Erforschung des chemischen Raums. Sein Thema bei den HIDA Lectures @ DASHH:
"Quantum Machine Learning in Chemical Compound Space"
Abstract: Viele der wichtigsten Beobachtungsgrößen der Materie hängen explizit von atomistischen und elektronischen Details ab. Das macht einen First-Principles-Ansatz für das rechnerische Materialdesign zwingend erforderlich. Leider ist das Brute-Force-Hochdurchsatz-Screening von Materialkandidaten aufgrund der kombinatorischen Natur des Verbindungsraums, d. h. aller möglichen Kombinationen von kompositorischen und strukturellen Freiheitsgraden, für alle außer den einfachsten Systemen und Eigenschaften nicht möglich. Folglich nutzen effiziente Explorationsalgorithmen implizite Redundanzen und Korrelationen aus. Ich werde kürzlich entwickelte, auf statistischem Lernen basierende Ansätze zur Interpolation quantenmechanischer Observablen im gesamten zusammengesetzten Raum diskutieren. Numerische Ergebnisse zeigen vielversprechende Leistungen in Bezug auf Effizienz, Genauigkeit, Skalierbarkeit und Übertragbarkeit.
Weitere Informationen bei der DASHH.
Sie möchten den Vortrag von Anatole von Lilienfeld noch einmal sehen?
