Maschinelles Lernen: Einblicke in Katalysator-Substrat-Interaktionen für rationales Design (C07*)

• Fachliche Zuordnung: Theoretische Chemie: Elektronenstruktur, Dynamik, Simulation
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 444632635

Das Projekt zielt darauf ab, unser Verständnis lichtgetriebener chemischer Reaktionen innerhalb des SFB/TRR durch die Anwendung maschineller Lernmethoden zu verbessern. Auf der einen Seite werden rechnerisch effiziente, auf maschinellem Lernen basierende lichtinduzierte Simulationen auf längeren Zeit- und Längenskalen eingesetzt, um langlebige angeregte Zustände bzw. Reaktionen an Grenzflächen zu untersuchen. Weiters wird das maschinelle Lernen als Leitfaden für ein rationales Katalysator- und Substratdesign dienen und in experimentelle Arbeitsabläufe integriert werden, um Versuchsplanung zu optimieren.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 325: Kontrolle der chemischen Photokatalyse durch Molekülverbände
• Antragstellende Institution: Universität Regensburg
• Teilprojektleiterin: Professorin Dr. Julia Westermayr