SFB 1404/2: Verbesserung der Robustheit rechnergestützter Workflows in der Materialwissenschaft (TP A03)

Ab initio-Codes aus den Computational Materials Science (CMS) können eine Vielzahl von Materialeigenschaften vorhersagen. Wissenschaftler:innen sehen sich jedoch mit einer enormen Variabilität solcher Codes konfrontiert, die sich in den verwendeten Basissätzen, potenziellen Approximationsmethoden und konkreten Vorhersagealgorithmen unterscheiden. In Phase I konzentrierte sich das Projekt darauf, systematische Teststrategien für einzelne CMS Codes innerhalb von Workflows zu entwickeln. In der zweiten Phase werden wir unseren Fokus erweitern, um voll-ständige CMS-Datenanalyse-Pipelines einschließlich nachgelagerter Anwendung des maschinellen Lernens anzugehen. Das Projekt wird neue Technologien erforschen, um Leitlinien und Empfehlungen für Wissenschaftler:innen zu erstellen, wie Materialeigenschaften mit dem gewünschten Genauigkeitsniveau berechnet und in weiteren Prozessschritten genutzt werden können.