
Das Ziel von B1 ist die Implementierung von Simulationsansätzen für das Training und die Erweiterung von Methoden der künstlichen Intelligenz, um die Polymereigenschaften präzise vorherzusagen. Der Ansatz wird zu einem Verständnis der wesentlichen Messungen führen, was zu einer Versuchsplanungsmethode (DoE) und einer Reduzierung unnötiger experimenteller Arbeit führt. Zu diesem Zweck werden systematische Copolymerbibliotheken hergestellt, um die Eigenschaften von Copolymeren wie Glasübergangs- oder Schmelztemperatur, Schalttemperaturen von reversiblen Polymeren sowie Phasenübergänge in wässrigen Medien zu untersuchen. Da der experimentelle Aufwand, alle möglichen Kombinationen herzustellen, zu hoch wäre, können nur ausgewählte Kandidaten synthetisiert werden, was zu einer Unterrepräsentation des Parameterraums führt. Daher werden DoE-Ansätze verwendet und mit aktivem Lernen zur Vorhersage der Eigenschaften von Copolymeren kombiniert. Darüber hinaus werden Methoden zur Abschätzung der Stichprobengröße (SSP) für den Aufbau von Polymerbibliotheken entwickelt.
Jun.-Prof. Dr. Meike Leiske
Foto: PrivateProjektleitung
Jun.-Prof. Dr. Meike Leiske
Fakultät für Biologie, Chemie und Geowissenschaften
Universität Bayreuth
Universitätsstraße 30
95447 Bayreuth
Telefon: +49 921 55-4440
meike.leiske@uni-bayreuth.de
Prof. Dr. Thomas Bocklitz
Foto: PrivateProf. Dr. Thomas Bocklitz
Institut für Physikalische Chemie (IPC)
Friedrich-Schiller-Universität Jena
Leutragraben 1
07743 Jena
Telefon: +49 3641 9-48328
thomas.bocklitz@uni-jena.de