TY - CONF A1 - George, Janine T1 - Neue Wege in der Materialforschung: Zusammenspiel von Hochdurchsatz-Simulationen und maschinellem Lernen N2 - Dies ist meine Antrittsvorlesung an der Friedrich-Schiller-Universität Jena, die im Rahmen der BAM-Universität-Jena-Kooperation entstanden ist. Hier stelle ich die Materialinformatik und unsere Forschung im speziellen vor. T2 - Antrittsvorlesung an der Friedrich-Schiller-Universität Jena CY - Jena, Germany DA - 20.01.2025 KW - Automation KW - Ab initio KW - Machine learning KW - Phonons KW - Materialdesign KW - Materials Acceleration Platforms PY - 2025 AN - OPUS4-62437 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - George, Janine T1 - Von der Computerchemie zur Materialinformatik N2 - In dem Vortrag stelle ich meinen Lebenslauf von einem Chemiestudium bis hin zur Materialinformatik vor. Hierbei stelle ich unter anderem Computerchemie und Materialinformatik vor. Das beinhaltet Kurzeinführungen in die Quantenmechanik und das maschinelle Lernen. T2 - Landesseminar Berlin Brandenburg der deutschen Auswahl für die Internationale Chemieolympiade (Schülerwettbewerb) CY - Berlin, Germany DA - 17.10.2025 KW - Materials Design KW - Computational Chemistry KW - Materials Acceleration Platforms KW - Automation KW - Machine Learning Potentials KW - Outreach PY - 2025 AN - OPUS4-64412 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - GEN A1 - George, Janine T1 - Materialinformatik N2 - Die Materialinformatik ermöglicht es, vorhandenes/etabliertes chemisches Wissen zu überprüfen, aber auch neues Wissen zu generieren. Zu diesem Zweck wurden automatisierte Methoden entwickelt, die es ermöglichen, große Datenbanken mit Materialeigenschaften zu berechnen. Diese Datenbanken mit berechneten Eigenschaften können nun mit Datenanalysetechniken und maschinellem Lernen ausgewertet werden. Unsere Entwicklungen ermöglichen es insbesondere, die Analyse der chemischen Bindung mit anderen Materialeigenschaften in großem Maßstab zu kombinieren. Auf der Grundlage von Deskriptoren für chemische Bindungen haben wir die ersten Schritte zur Entwicklung neuer chemischer Regeln unternommen. Daneben entwickeln wir weitere Programmcodes, die die Tätigkeiten in der Materialinformatik deutlich erleichtern KW - Materialdesign KW - Maschinelles Lernen KW - Automatisierung KW - Hochdurchsatz KW - Workflows KW - Materialeigenschaften PY - 2024 SN - 978-3-8007-6472-3 SP - 14 EP - 32 CY - Berlin AN - OPUS4-62256 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - George, Janine T1 - Mit Hilfe künstlicher Intelligenz neue Materialien finden N2 - Dieser Vortrag wurde im Rahmen einer Outreach-Veranstaltung für Schüler*innen gehalten (https://www.hansenberg.de/lernen/hansenberg-summit/summit-2022.html). Er beschreibt, wie wir an der BAM und an anderen Institutionen nach neuen Materialien suchen. T2 - Hansenberg Summit CY - Geisenheim, Germany DA - 09.07.2022 KW - Materialdesign KW - Materialinformatik PY - 2022 AN - OPUS4-55408 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - George, Janine T1 - Mit Hilfe künstlicher Intelligenz neue Materialien finden N2 - In diesem Vortrag für Schüler*innen, die an der nationalen Auswahl der internationalen Chemieolympiade teilnehmen, stellte ich meinen akademischen Werdegang und das Fach Materialinformatik und die Forschung in diesem Bereich vor. T2 - Landesseminar zur Internationalen Chemieolympiade in Berlin-Brandenburg CY - Berlin, Germany DA - 30.10.2022 KW - Materialinformatik KW - Automatisierung KW - Computerchemie PY - 2022 AN - OPUS4-56128 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - George, Janine T1 - Automatisierung in der Computerchemie N2 - Im Vortrag wird der aktuelle Stand zur Automatisierung in der Computerchemie und der computergestützten Materialwissenschaft besprochen. T2 - Online-Workshop des Fördervereins Chemieolympiade 2021 CY - Online meeting DA - 19.06.2021 KW - Computergestützte Materialwissenschaft KW - Automatisierung KW - Hochdurchsatz KW - Computerchemie PY - 2021 AN - OPUS4-52981 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - George, Janine T1 - Accelerated Materials Discovery Based on Data Analysis and Machine Learning N2 - The stability of materials is a very important property for materials discovery. In recent years, we have explored several approaches for advancing the prediction of the stability of crystals (e.g., classical chemical heuristics and machine-learned interatomic potentials). For example, we have assessed a famous chemical heuristic – the Pauling rules – regarding their usefulness for structure prediction. They are only of limited predictive power, i.e. the rules 2 to 5 only work for 13 % of all tested oxides. Furthermore, we have shown that machine-learned interatomic potentials can be used to predict phonon properties of a range of silicon allotropes accurately and, therefore, they can also be used to assess the dynamic stability of materials. To do so, we have developed new schemes to build reference databases for machine learned interatomic potentials. T2 - PACRIM & GOMD 2021 CY - Online meeting DA - 13.12.2021 KW - Data analysis KW - Machine learning KW - High-throughput computations PY - 2021 AN - OPUS4-54088 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -