Supervisor: 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 fysike kemi, med udgangspunkt reproduktioner fra litteraturen.