Bei molekularen Simulationen werden sehr große Datenmengen erzeugt. Der weit überwiegende Teil dieser Daten wird heute jedoch kaum genutzt, es werden üblicherweise nur wenige Mittelwerte gespeichert. In diesem Forschungsvorhaben soll untersucht werden, wie Methoden des Maschinellen Lernens (ML) eingesetzt werden können, um diese Daten zu nutzen. Ziel ist es, zum einen die Robustheit und Effizienz der molekularen Simulationen selbst zu erhöhen und zum anderen den Informationsgewinn zu erhöhen. Entsprechende Ansätze sind vorhanden und sollen implementiert, anhand von Beispielen aus der Thermodynamik getestet und bewertet werden. Im Erfolgsfall entsteht aus der Arbeit eine neue Klasse von ML-basierten Methoden der molekularen Simulation.

[zurück]