Maschinelles Lernen von Spannungskorrelationen in Flüssigkeiten
Rechts Neuronales Netzwerk als Autoencoder zur Strukturerkennung in kolloidalen Dispersionen; aus Boattini et al., J. Chem. Phys. 151, 154901 (2019).
Fluktuierende Kraftfelder spielen eine wichtige Rolle bei Transportprozessen in komplexen Materialien wie z.B. bei der Bewegung von Zellen in biologischen Geweben. Neueste experimentelle Methoden konnten die Kraft- oder Spannungsfluktuationen mit Hilfe fluoreszierender Marken, die in weiche Gele eingebettet waren, vermessen. Ein neuronales Netzwerk soll entwickelt werden, um die Genauigkeit dieser Messungen in einer komplexen Flüssigkeit zu erhöhen. Simulationsdaten können in einer Dispersion Brownscher Teilchen generiert und zum Training verwendet werden. Experimente hierzu laufen im Projekt C07 im SFB 1432 (AG Zumbusch).
Ansprechpartner: Niklas Grimm