Professor Maurer brengt een revolutie teweeg in de chemie met kunstmatige intelligentie!

Professor Maurer brengt een revolutie teweeg in de chemie met kunstmatige intelligentie!

Met de benoeming van prof. dr. Reinhard Maurer brengt het Alexander von Humboldt hoogleraarschap een innovatieve speler in de wereld van de theoretische chemie in de schijnwerpers. Deze nominatie is gedaan door de Universiteit van Göttingen en het Max Planck Instituut voor Multidisciplinaire Natuurwetenschappen (MPI-NAT). Het lectoraat, dat over een periode van vijf jaar vijf miljoen euro krijgt, wordt gefinancierd door het federale ministerie van Onderzoek, Technologie en Ruimtevaart. Maurer is een pionier in de toepassing van machine learning (ML) en kunstmatige intelligentie (AI) op dit gebied en zal zijn expertise gebruiken om aanzienlijke vooruitgang te boeken in het computationeel materiaalonderzoek.

Maurer's onderzoeksinteresses richten zich op de theorie en simulatie van moleculaire reacties op oppervlakken en in materialen. Hij opent veelbelovende mogelijkheden door een nieuwe aanpak te ontwikkelen die deep learning gebruikt om experimentresultaten te voorspellen. Het algoritme maakt het omgekeerde ontwerp mogelijk van moleculaire structuren die specifieke chemische eigenschappen vertonen. Deze methodologie heeft niet alleen impact op de chemie, maar is ook overdraagbaar naar andere disciplines, wat de interdisciplinariteit van zijn onderzoek illustreert.

Hoe machine learning onderzoek transformeert

Machine learning wordt beschouwd als een sleuteltechnologie op het gebied van kunstmatige intelligentie. Volgens een onderzoek van het Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS kan ML aanzienlijk bijdragen aan de mondiale economische ontwikkeling. Het transformeert verschillende gebieden, zoals de productie van goederen, de logistiek en zelfs de medische technologie. Het vermogen van AI-modellen om grote hoeveelheden data te verwerken en patronen te herkennen wordt steeds belangrijker. Zelfs in de wiskunde worden optimalisatieproblemen al gebruikt om modellen aan te passen en te verbeteren, wat de wisselwerking tussen theorie en toepassing illustreert.

Suvrit Sra, hoogleraar ‘Resource Aware Machine Learning’ aan de Technische Universiteit van München (TUM), zal de komende jaren een belangrijke rol spelen in het ML-onderzoek. Zijn focus ligt op de robuustheid, betrouwbaarheid en hulpbronnenefficiëntie van ML-methoden. De bestaande leidende positie van TUM op het gebied van kunstmatige intelligentie in Duitsland zal verder worden geconsolideerd door het werk van Sra. De samenwerking met computerwetenschapper Stefanie Jegelka, die tevens een Humboldt-hoogleraarschap bekleedt aan de TUM, zal een blijvende impact hebben op de ontwikkelingen op het gebied van ML.

Sociale acceptatie door middel van onderwijs

Een centrale zorg van de huidige debatten is de behoefte aan een op feiten gebaseerde discussie over AI- en ML-technologieën. Het publieke discours wordt vaak gekenmerkt door halve kennis en mythen, wat de acceptatie door de samenleving belemmert. Uitgebreide voorlichting over ML en de toepassingen ervan is essentieel om het vertrouwen en begrip van deze technologieën te bevorderen. De studie ‘Machine Learning – Skills, Applications and Research Needs’ biedt hiervoor een waardevolle basis en belicht verschillende aspecten van onderzoek die cruciaal zijn voor de positionering van Duitsland en Europa in de internationale concurrentie.

De ontwikkelingen op het gebied van wetenschap en technologie, zoals aangestuurd door Maurers nominatie voor het Humboldt-hoogleraarschap en de initiatieven van Sra en Jegelka, zijn veelbelovend. Ze laten zien hoe interdisciplinaire benaderingen vooruitgang in de moderne wetenschap en samenleving kunnen stimuleren.