NMR Fingerprinting komplexer Mischungen

Komplexe Mischungen, über deren Zusammensetzung keine oder nur teilweise Informationen vorhanden sind, sind in chemischen und biotechnologischen Prozessen weit verbreitet. Eine vollumfängliche Analyse solcher Mischungen ist in der Praxis häufig zu aufwendig.

Am Lehrstuhl für Thermodynamik (LTD) werden daher Methoden zum automatisierten NMR Fingerprinting entwickelt, die auf einfachen NMR-Experimenten und Algorithmen des maschinellen Lernens (ML) basieren. Ziel meiner Arbeit ist die Weiterentwicklung dieser Methoden, um die Analyse sowie die thermodynamische Modellierung komplexer Mischungen zu ermöglichen.

Hybride Modelle zur Vorhersage von Diffusionskoeffizienten

Diffusion ist ein grundlegender Prozess in nahezu allen technischen und natürlichen Systemen. Zur Beschreibung von Stofftransportvorgängen sind Diffusionskoeffizienten essenziell. Die experimentelle Bestimmung von Diffusionskoeffizienten ist jedoch äußerst aufwendig, was zuverlässigen Vorhersagemethoden unabdingbar macht.

In meiner Arbeit entwickle ich hybride Modelle, die physikalisch Gesetze mit ML-Algorithmen kombinieren, um die präzise Vorhersage von Diffusionskoeffizienten zu ermöglichen.

Informationen zu möglichen Themen studentischer Arbeiten bei mir oder meinen Kollegen und Kolleginnen befinden sich unter:http://https://mv.rptu.de/fgs/ltd/jobs/studentische-arbeiten.

Vorlesungsbetreuung

• Maschinelles Lernen in der Verfahrenstechnik (SS 24)
• Modellierung, Simulation und Optimierung in der Verfahrenstechnik (WS 24/25)
• Thermodynamik I (WS 25/26)

Sprechzeiten

Nach Vereinbarung

Veröffentlichungen

• J. Wagner, Z. Romero, K. Münnemann, T. Specht, F. Jirasek, H. Hasse: Thermodynamic Modeling of Poorly Specified Mixtures Using NMR Fingerprinting and Group-Contribution Equations of State, Fluid Phase Equilibria 596 (2025) 114446. [doi]

Vorträge

• J. Wagner, T. Specht, H. Hasse, F. Jirasek; Boosting the Prediction of Diffusion Coefficients with Machine Learning, Thermodynamik-Kolloquium, Hamburg, 22.09.-24.09.2025.
• J. Wagner, T. Specht, F. Jirasek: Automated NMR Fingerprinting of Unknown Mixtures using Machine Learning, NMRPM Symposium, Kaiserslautern, 31.03.-02.04.2025.
• J. Wagner, J. Arweiler, Z. Romero, T. Specht, K. Münnemann, H. Hasse, F. Jirasek: Automated NMR Fingerprinting of Poorly Specified Mixtures with Machine Learning, qNMR Summit, Buchs SG, Schweiz, 18.-20.09.2024.

Poster

• J. Wagner, Z. Romero, T. Specht, K. Münnemann, H. Hasse, F. Jirasek: NMR Fingerprinting and Thermodynamic Modeling of Poorly Specified Mixtures (Poster), International Conference on Properties and Phase Equilibria for Product and Process Design (PPEPPD), Bad Gögging, 11.05.-15.05.2025.
• J. Wagner, T. Specht, K. Münnemann, H. Hasse, F. Jirasek: Machine Learning-Driven Characterization of Unknown Mixtures with NMR Spectroscopy (Poster), NMRPM Symposium, Kaiserslautern, Germany, 31.03.-02.04.2025.
• J. Wagner, T. Specht, K.Münnemann, H. Hasse, F. Jirasek: Thermodynamik Modeling of Poorly Specified Mixtures Using NMR Fingerprinting and Group-Contribution Equations of State (Poster), Thermodynamik-Kolloquium, Stuttgart, 25.-27.09.2024.
• J. Wagner, T. Specht, K.Münnemann, H. Hasse, F. Jirasek: Deep Set Models for Elucidating Unknown Mixtures with NMR Spectroscopy (Poster), European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD), Vilnius, Litauen, 09.-13.09.2024.