Professori Maurer mullistaa kemian tekoälyllä!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Professori tohtori Reinhard Maurer Göttingenin yliopistosta oli ehdolla Alexander von Humboldt -professoriksi edistämään koneoppimista kemiassa.

Prof. Dr. Reinhard Maurer von der Uni Göttingen wurde für die Alexander von Humboldt-Professur nominiert, um Maschinelles Lernen in der Chemie voranzutreiben.
Professori tohtori Reinhard Maurer Göttingenin yliopistosta oli ehdolla Alexander von Humboldt -professoriksi edistämään koneoppimista kemiassa.

Professori Maurer mullistaa kemian tekoälyllä!

Professori tohtori Reinhard Maurerin nimityksellä Alexander von Humboldt Professorship tuo valokeilaan innovatiivisen toimijan teoreettisen kemian maailmassa. Tämän ehdokkaan esittivät Göttingenin yliopisto ja Max Planckin monitieteisten luonnontieteiden instituutti (MPI-NAT). Professorin virkaa, jolle myönnetään viisi miljoonaa euroa viiden vuoden aikana, rahoittaa liittovaltion tutkimus-, teknologia- ja avaruusministeriö. Maurer on koneoppimisen (ML) ja tekoälyn (AI) soveltamisen edelläkävijä tällä alalla ja aikoo hyödyntää asiantuntemustaan ​​saavuttaakseen merkittäviä edistysaskeleita laskennallisen materiaalitutkimuksen alalla.

Maurerin tutkimusalueet keskittyvät pintojen ja materiaalien molekyylireaktioiden teoriaan ja simulointiin. Hän avaa lupaavia mahdollisuuksia kehittämällä uuden lähestymistavan, joka käyttää syvää oppimista ennustamaan kokeiden tuloksia. Sen algoritmi mahdollistaa tiettyjä kemiallisia ominaisuuksia osoittavien molekyylirakenteiden käänteisen suunnittelun. Tällä metodologialla ei ole vain vaikutusta kemiaan, vaan se on myös siirrettävissä muille tieteenaloille, mikä kuvaa hänen tutkimuksensa monitieteisyyttä.

Kuinka koneoppiminen muuttaa tutkimusta

Koneoppimista pidetään avainteknologiana tekoälyn alalla. Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS:n tutkimuksen mukaan ML voi edistää merkittävästi maailmanlaajuista talouskehitystä. Se muuttaa eri osa-alueita, kuten tavaratuotantoa, logistiikkaa ja jopa lääketieteellistä teknologiaa. Tekoälymallien kyky käsitellä suuria tietomääriä ja tunnistaa kuvioita on yhä tärkeämpää. Myös matematiikassa optimointiongelmia käytetään jo mallien mukauttamiseen ja parantamiseen, mikä kuvaa teorian ja sovelluksen välistä vuorovaikutusta.

Münchenin teknisen yliopiston (TUM) "resurssitietoisen koneoppimisen" professori Suvrit Sra tulee olemaan merkittävä rooli ML-tutkimuksessa tulevina vuosina. Hän keskittyy ML-menetelmien kestävyyteen, luotettavuuteen ja resurssitehokkuuteen. TUM:n nykyinen johtava asema tekoälyn alalla Saksassa vahvistuu entisestään Sra:n työn kautta. Yhteistyöllä tietotekniikan tutkija Stefanie Jegelkan kanssa, joka on myös Humboldt-professorina TUM:ssa, tulee olemaan pysyvä vaikutus ML:n alan kehitykseen.

Sosiaalinen hyväksyntä koulutuksen kautta

Nykyisten keskustelujen keskeinen huolenaihe on tarve käydä faktoihin perustuvaa keskustelua tekoäly- ja ML-tekniikoista. Julkiselle keskustelulle on usein ominaista puolitieto ja myytit, jotka estävät yhteiskunnan hyväksynnän. Kattava koulutus ML:stä ja sen sovelluksista on välttämätöntä näiden teknologioiden luottamuksen ja ymmärtämisen edistämiseksi. Tutkimus "Machine Learning – Skills, Applications and Research Needs" tarjoaa tälle arvokkaan pohjan ja tuo esiin tutkimuksen eri näkökohtia, jotka ovat ratkaisevia Saksan ja Euroopan asemalle kansainvälisessä kilpailussa.

Tieteen ja tekniikan kehitys Maurerin Humboldt-professuuriehdokkuuden sekä Sran ja Jegelkan aloitteiden vetämänä on lupaavaa. Ne osoittavat, kuinka monitieteiset lähestymistavat voivat edistää edistystä modernissa tieteessä ja yhteiskunnassa.