Dr. Marius Frank

Gegenstand der Forschungsarbeit ist die Kombination von maschinellem Lernen (ML) mit hochgenauen quantum-embedding Methoden aus der theoretischen Festkörperphysik (QE). Dazu nutzen/testen wir verschiedene ML-Methoden (bspw. Gaussian Process Regression und neuronale Netzwerke) und entwickeln neue Algorithmen um die iterative Lösung der QE-Gleichungen mit ML so effizient, akkurat und vor allem stabil wie möglich zu halten. Als Programmiersprache wird größtenteils Python verwendet.

Gegenstand meiner Promotion ist die Entwicklung, Implementierung und Validation numerisch stabiler und hocheffizienter Algorithmen/Näherungen zur Berechnung von Moleküleigenschaften im Bereich des high performance computing. Dazu werden - physikalisch motiviert - Techniken aus der numerischen Mathematik (bspw. verschiedene Tensorzerlegungen) verwendet/modifiziert um die Komplexität bestehender Algorithmen dramatisch zu reduzieren. Die Implementierungen sind Teil des Quantenchemie Programmpakets TURBOMOLE.

Leitung des Praktikums zur Veranstaltung "Electronic Structure Theory" im Masterstudiengang "international Molekular Sciences (iMOS)". Das Tätigkeitsfeld umfasste Studenten den Umgang mit Unix Systemen und quantenchemischer Software beizubringen sowie grundlegende Kenntnisse in simplen Skriptsprachen zur automatisierten Auswertung großer Datenmengen zu vermitteln.

Molekularbiologisches Praktikum: Durchführung und Auswertung molekularbiologischer Versuche (Agarose Gelelektrophorese, Polymerasekettenreaktion, Restriktionstechniken) sowie Erlangung grundlegender Kenntnisse im Umgang mit Gendatenbanken und Software zur Auswertung und Modifikation von Gensequenzen.

Theoretische Chemie, Physikalische Chemie

Biochemie, Organische Chemie, Physikalische Chemie