Accelerating Molecular Simulation Using Machine Learning: From Wave Functions to Thermodynamics

Promovendus/a
Vandenhaute, Sander
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Toegepaste Fysica
Curriculum
Master of Engineering Physics, Universiteit Gent, 2018
Academische graad
Doctor in de ingenieurswetenschappen: toegepaste natuurkunde
Taal proefschrift
Engels
Vertaling titel
Versnelling van moleculaire simulaties via machinaal leren: van golffuncties tot thermodynamica
Promotor(en)
prof. Veronique Van Speybroeck, vakgroep Toegepaste Fysica & vakgroep Fysica en Sterrenkunde
Examencommissie
voorzitter prof. Hennie De Schepper (onderwijsdirecteur) - prof. Jutho Haegeman, vakgroep Fysica en Sterrenkunde - prof. Venkat Kapil, University College London, Verenigd Koninkrijk - prof. Alexandre Tkatchenko, Université du Luxembourg, Luxembourg - prof. Louis Vanduyfhuys, vakgroep Toegepaste Fysica - promotor prof. Veronique Van Speybroeck, vakgroep Toegepaste Fysica & vakgroep Fysica en Sterrenkunde

Korte beschrijving

De eigenschappen van materialen en moleculen kunnen in theorie worden voorspeld door middel van expliciete simulatie van de beweging van de atomen op de nanoschaal. Voor complexe materialen is de benodigde rekenkracht hiervoor enorm groot. Dit doctoraatsonderzoek specialiseert zich in machine learning methoden die deze simulaties significant efficienter en accurater kunnen maken. Het werkpaard hiervoor zijn specifieke neurale netwerken die in staat zijn om de stabiele geometrie van moleculen en materialen te leren op basis van kwantummechanische referentie-berekeningen. Het onderzoek in dit doctoraat spitste zich toe op het efficient trainen en toepassen van deze netwerken op in diverse set van chemische en fysische transformaties in nanogestructureerde materialen.

Praktisch

Datum
Woensdag 22 januari 2025, 16:30
Locatie
auditorium 1, iGent (eerste verdieping), Technologiepark 15, 9052 Zwijnaarde
Livestream
Volg online

Meer info

Contact
doctoraat.ea@UGent.be