Aarhus University Seal / Aarhus Universitets segl

Studenterkollokvium - Frederik Lillebæk Hansen: Graph neural networks anvendt til at forudsige nye molekylers kemiske egenskaber

09.04.2021 | Sunniva Busk Vang

Dato man 26 apr
Tid 15:15 16:00
Sted Fys. Aud. / Zoom
GNN sammenlignet med DFT

GNN sammenlignet med DFT

Vejleder: Bjørk Hammer

Som computerkraft er blevet større, har machine learning vundet frem, ikke bare som teoretiske modeller, men som praktiske og ekstremt effektive metoder i en lang række anvendelser, såsom klassifikation, billedgenkendelse og spil-AI. Specifikt i fysikken bruger man eksempelvis machine learning til at forudsige kemiske egenskaber i molekyler, til at simulere avancerede potentialer eller lede efter energiminimerede geometrier i molekyleklynger.

I dette kollokvium vil jeg beskæftige mig specifikt med Graph Neural Networks, og motivere hvordan de er specielt godt egnede til opgaven at forudsige kemiske egenskaber i nye molekyler.

Dermed kommer jeg til at redegøre kort for machine learning og grafteori, og hvordan de relaterer til den fysiske kemi, med udgangspunkt reproduktioner fra litteraturen.

Studenterkollokvium, Institut for Fysik og Astronomi, Offentligheden / Pressen, Studerende