Automatisierte Modellbildung und Repräsentations-basiertes Lernen für Multiskalensimulationen (B07)

• Fachliche Zuordnung: Statistische Physik, Nichtlineare Dynamik, Komplexe Systeme, Weiche und fluide Materie, Biologische Physik
• Förderung: Förderung seit 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 233630050

Wir wenden Techniken des maschinellen Lernens auf Multiskalensimulationen von weicher Materie an. Der Fokus liegt auf zwei Aspekten: Erstens, die Konstruktion vergröberter Modelle, z.B. mit Hilfe von Kernel-basierten Kraftfeldern, oder von tiefen neuronalen Netzen, die die vergröberten Dynamik im Latenzraum lernen. Der zweite Aspekt ist „backmapping“, die Rekonstruktion von hochaufgelösten Konfigurationen aus vergröberten Konfigurationen. Ein Ziel der nächsten Förderperiode wird sein, die Effizienz der Verfahren zu erhöhen. Weiterhin werden wir neue Anwendungen des „backmapping“ erkunden, in denen auch Informationen aus anderen Datenquellen einfließen.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 146: Multiskalen-Simulationsmethoden für Systeme der weichen Materie
• Internationaler Bezug: Niederlande
• Antragstellende Institution: Johannes Gutenberg-Universität Mainz
• Mitantragstellende Institution: Max-Planck-Institut für Polymerforschung
• Teilprojektleiter: Dr. Denis Andrienko, seit 7/2022; Professor Dr. Tristan Bereau, bis 6/2022; Professor Dr. Michael Wand