Bausteine der Materie und fundamentale Wechselwirkungen (TRA Matter)

Drittes TRA Matter Netzwerksymposium ''MATTER Connect''

Workshop zu Maschinelles Lernen and der Schnittstelle zu Gitterfeldtheorie und Quantenchemie

25. Oktober 2024

Das Bethe Forum, unterstützt durch die TRA Matter und des Sonderforschungsbereichs NuMeriQs, hat Forscher aus unterschiedlichen Bereichen erfolgreich zusammengebracht, die bei ihrer Arbeit auf ähnliche Herausforderungen stoßen.

Moderne wissenschaftliche Forschung ist zunehmend interdisziplinär. Viele Bereiche integrieren mittlerweile künstliche Intelligenz und maschinelles Lernen. Obwohl ähnliche Probleme behandelt werden, haben verschiedene Communities oft Schwierigkeiten miteinander zu kommunizieren. Dieser Mangel an Kommunikation stellt eine erhebliche Barriere für die Zusammenarbeit und den Austausch von Tools dar, die den Fortschritt in mehreren Bereichen beschleunigen könnten. Zum Beispiel wurde die Einbeziehung physikalischer Symmetrien in maschinelle Lernmodelle in der Quantenchemie bereits umfassend untersucht, während sie erst kürzlich in der Gitter-Quantenfeldtheorie an Bedeutung gewonnen hat.

Um diese Herausforderung anzugehen, wurde der Workshop „Machine-Learning-Based Sampling in Lattice Field Theory and Quantum“ von Dr. Kim A. Nicoli und Prof. Lena Funcke von der TRA Matter, zusammen mit Tom Frömbgen (Universität Bonn) und Dr. Shinichi Nakajima (BIFOLD) initiiert. Die Veranstaltung hatte zum Ziel, Experten aus Wissenschaft und Industrie, die vor ähnlichen Herausforderungen stehen, die kürzlich mit Methoden des maschinellen Lernens bearbeitet werden, miteinander zu vernetzen.

Ein Schwerpunkt des Workshops lag auf der Boltzmann Verteilung, eine wesentliche Größe in physikalischen Systemen und entscheidend für Simulationen und die Schätzung physikalischer Beobachtungen. Jüngste Fortschritte in der generativen KI haben Protokolle hervorgehoben, die maschinelles Lernen zur Annäherung der Ziel-Boltzmann-Verteilung innerhalb eines bestimmten physikalischen Systems nutzen. Sowohl die Communities der Gitterfeldtheorie als auch der Quantenchemie haben innovative Werkzeuge zu diesem Zweck entwickelt, und das Forum hat die Gelegenheit dazu geboten, zu erkunden, wie diese Werkzeuge beiden Bereichen zugutekommen könnten.

Das Bethe Forum war ein großer Erfolg und zog ein vielfältiges Publikum an, einschließlich Masterstudierenden, Doktoranden, Postdoktoranden, Dozenten und Fachleute aus der Industrie. Bemerkenswert ist, dass zwei technische Mitarbeiter von cusp.ai, einem innovativen Startup, das sich auf die Entwicklung von CO2-absorbierenden Materialien mittels maschinellen Lernens konzentriert, am Workshop teilnahmen und einige ihrer Arbeiten präsentierten.

Das Forum bot ein abwechslungsreiches Programm mit dreizehn technischen Vorträgen, einer Postersession, drei Podiumsdiskussionen, einem Bethe-Kolloquium zu „Normalizing Flows für Lattice QCD“ von Dr. Gurtej Kanwar und einem TRA-Colloquium zu „Symmetries and Equivariance in AI for Science“ von Prof. Jan Gerken. Neben dem täglichen Programm gab es viel Raum für gesellige Zusammenkünfte, was von den Teilnehmern sehr geschätzt wurde.

Das Organisationsteam dankt allen Referenten für ihre aufschlussreichen und zugänglichen Präsentationen, ebenso wie den Teilnehmern für die Schaffung einer entspannten, anregenden Atmosphäre, die Diskussionen und Zusammenarbeit förderte. 

Ermutigt durch den Erfolg dieser ersten Ausgabe, freut sich das Organisationsteam bereits darauf, die nächste Ausgabe für 2026 zu planen.

Interdisziplinärer Hands-on Workshop "Maschinelles Lernen" für Nachwuchswissenschaftler*innen aus den Bereichen Matter, Modelling und Life Sciences

19 + 20. März 2024

Rund 60 Postdocs und Doktorand*innen aus den Transdisziplinären Forschungsbereichen „Matter“, „Modelling“, „Life and Health“ und dem Bonner Forum für Biomedizin nahmen am diesjährigen interdisziplinären Hands-on-Workshop "Maschinelles Lernen" teil. Auf dem zweitägigen Workshop erhielten die Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler auf verschiedene Weise Einblicke in das Maschinelle Lernen und dessen theoretische Konzepte. Im Anschluss an einen dreiteiligen Grundlagenvortrag durch Prof. Dr. Bauckhage bekamen die Teilnehmer:innen*innen die Möglichkeit, das Gelernte in praktischen Anwendungsübungen auszuprobieren. Am zweiten Tag gaben Vorträge über die Anwendung von „Physics-informed Neural Networks“ (PINN) zur Modellierung von Genregulation in Stammzellen (Dr. Maria Mircea),  die Nutzung von Generativen KI-Modellen für physikalische Fragestellungen (Dr. Kim Nicoli) sowie den Einsatz von „Active Learning“ zur Verhaltensanalyse in den Neurowissenschaften (Dr. Jens Tillmann) Einblicke in die Anwendung des maschinellen Lernens in den verschiedenen Forschungsbereichen. Den Abschluss bildete eine kleine Netzwerksession, bei dem die Teilnehmenden sich disziplinübergreifend über ihre Forschung und das Gelernte weiter austauschen konnten.

Wir danken den hervorragenden Referent*innen und engagierten Tutoren für ihren Beitrag zum Gelingen dieses Workshops!

Hier finden Sie aktuelle Ankündigungen zu den laufenden Veranstaltungsformaten (z.B. TRA Matter Colloquium, Ringvorlesungen, Netzwerkevents) und Förderangebote des TRA Matter.

Hier können Sie das Presse Archiv der Universität Bonn aus dem Forschungsbereich TRA Matter einsehen.

Sprecher*in

Prof. Dr. Connie C. Lu

Institut für Anorganische Chemie

Prof. Dr. Sebastian Neubert

Helmholtz-Institut für Strahlen- und Kernphysik