Juniorprofessur Westermayr
Aktuelles
Team
Research
Ziel der Forschung der Gruppe ist es, neue maschinelle Lernmethoden zu entwickeln, basierend auf überwachtem, unüberwachtem, und “bestärkendem” Lernen, um die Simulation und das Design neuartiger Moleküle und Materialien zu verbessern.
Forschungsprojekte
Das Design neuer Materialien kann durch unüberwachtes maschinelles Lernen (ML), z. B. durch generatives Lernen, vorangetrieben werden. Hier kann ein Modell aus einer Reihe von Strukturen lernen und neue Strukturen vorhersagen, die noch nie zuvor gesehen wurden, aber ähnliche Eigenschaften haben. In Kombination mit Modellen, die spezielle Eigenschaften von Molekülen vorhersagen, können Moleküle mit optimierten Eigenschaften geschaffen werden. Diese Techniken werden zur Entwicklung neuartiger organischer, anorganischer und hybrider Systeme eingesetzt, die z. B. als Bausteine für organische Elektronik, Katalysatoren oder Inhibitoren für bestimmte Reaktionen dienen.
Licht ist allgegenwärtig. Daher ist es wahrscheinlich nicht überraschend, dass die Natur und das Leben, wie wir es kennen, von lichtinduzierten Reaktionen abhängen. Dennoch ist es äußerst schwierig, die Wechselwirkungen zwischen Licht und Materie zu untersuchen und die Mechanismen der lichtinduzierten Reaktionen zu entschlüsseln. Mit Hilfe von ML werden neue Methoden entwickelt, die die Simulation photochemischer Reaktionen beschleunigen und Zugang zu Eigenschaften verschaffen können, die mit herkömmlichen quantenchemischen Methoden nicht berechnet werden können.
Mit Hilfe von überwachten ML-Modellen wollen wir die mechanistischen Details von Reaktionen von Molekülen verstehen. Ein besonderer Schwerpunkt ist die Selbstorganisation von Molekülen. Selbstorganisation ist die organisierte Bildung hochgeordneter Strukturen aus molekularen Bausteinen. Diese Reaktion kann für die Bildung funktioneller Nanomaterialien nützlich sein, findet aber auch im menschlichen Körper statt und kann zur Aggregation von Peptiden und Proteinen führen, die beispielsweise bei der Alzheimer- oder Parkinson-Krankheit eine Rolle spielt.
Da immer mehr Daten zur Verfügung stehen, werden neue Techniken benötigt, um Informationen zu extrahieren. Wir werden unüberwachtes Lernen einsetzen, um Informationen zu extrahieren, die sich hinter der Komplexität der Daten verbergen. Darüber hinaus werden Werkzeuge der erklärbaren künstlichen Intelligenz eingesetzt, um besser zu verstehen, wie ein ML-Modell lernt - und so den Weg zur Entdeckung neuer chemischer Regeln ebnen, die uns noch verborgen sind.
Publikationen
Ausgewählte Publikationen
Keine Nachrichten verfügbar.
Lehre
Offene Stellen
Vertiefungspraktika, Bachelor-Arbeiten und Master-Arbeiten sind jederzeit willkommen. Kontaktieren Sie mich in den Sprechstunden, um mögliche Themen zu diskutieren. Sollten keine Stellen offen sein, lohnt es sich trotzdem, mich für Möglichkeiten zu kontaktieren - oft finden sich Wege, wie z.B. über Stipendien.
Stellenbezeichnung: Wissenschaftlicher Mitarbeiter (m/w/d)
Entgeltgruppe: E13/12 TV-L
Gewünschter Einstellungstermin: 01.01.2025
Befristung: 9 Monate
Arbeitszeit: 20 Stunden pro Woche
Projektbeschreibung:
In Zusammenarbeit mit Prof. Dr. Olaf Ueberschär von der Hochschule Magdeburg-Stendal, Standort
Magdeburg, untersuchen wir in einem gemeinsamen Forschungsprojekt innovative KI-gestützte
Verfahren zur biomechanischen Bewegungsanalyse und -optimierung. Die Forschung basiert auf
maschinellem Lernen und zielt darauf ab, diagnostische Verfahren in den Bereichen Sport, Orthopädie
und Bewegungswissenschaften zu verbessern und neue biomechanische Erkenntnisse zu gewinnen.
Zur Unterstützung dieses zukunftsweisenden interdisziplinären Forschungsprojekts suchen wir an
beiden Standorten eine/n wissenschaftliche/n Mitarbeiter/in (m/w/d) in Teilzeit (bis zu 50 %) für den
Zeitraum vom 01.01.2025 bis zum 30.09.2025. Ziel der Zusammenarbeit ist es, die strukturellen und
inhaltlichen Grundlagen für eine langfristige Kooperation im Bereich der KI-basierten biomechanischen
Diagnostik zu schaffen, die später durch Promotions- oder Post-Doc-Stellen ausgebaut werden soll.
Auch wenn die Stellen rechtlich getrennt ausgeschrieben werden, wird idealerweise eine
Doppelanstellung derselben Person an beiden Standorten angestrebt. Es besteht jedoch kein
Rechtsanspruch darauf.
Stellenbeschreibung Universität Leipzig (50 %)
Die Arbeitsgruppe von Jun.-Prof. Dr. Julia Westermayr (Universität Leipzig, ScaDS.AI (Center for
Scalable Data Analytics and Artificial Intelligence)) befasst sich mit der Entwicklung und Anwendung
von Methoden des Maschinellen Lernens (insbesondere tiefe neuronale Netze, generative Modelle
sowie Methoden der Interpretierbarkeit) auf chemische und auch biomechanische Prozesse. Ab
01.01.2025 wird ein wissenschaftlicher Mitarbeiter (m/w/d) mit 50% einer Vollzeitstelle im Bereich
Chemie/Informatik/Mathematik/Physik oder einer verwandten Disziplin gesucht. Ziel ist die
Entwicklung KI-gestützter Verfahren in der biomechanischen Diagnostik.
Aufgabenbeschreibung:
• Entwicklung und Evaluation maschineller Lernverfahren, insbesondere tiefer neuronaler Netze
(30 %)
• Experimentelle Datenerhebung und -analyse (25 %)
• Verfassen wissenschaftlicher Publikationen sowie Weiterentwicklung des Projektbereichs
Künstliche Intelligenz (25 %)
• Abstimmung mit allen Projektpartnern (10 %)
• Anleitung von studentischen Hilfskräften (10 %)
Anforderungen:
• Erfolgreicher Abschluss in Naturwissenschaften (Chemie, Physik, Mathematik), Informatik,
Biomechanik, Ingenieurwissenschaften oder verwandten Disziplinen
• Fundierte Kenntnisse in biomechanischer Diagnostik sowie maschinellem Lernen,
insbesondere neuronalen Netzen
• Erfahrung im wissenschaftlichen Projektmanagement
• Bereitschaft zu Dienstreisen und flexible Arbeitsweise
• Sehr gute Deutsch- und Englischkenntnisse (mindestens C1)
Ansprechpartner/in:
Jun.-Prof. Dr. Julia Westermayr
Julia.westermayr@uni-leipzig.de
Stellenbezeichnung: Wissenschaftlicher Mitarbeiter (m/w/d)
Entgeltgruppe: E13/12 TV-L
Gewünschter Einstellungstermin: 01.02.2025
Befristung: 11 Monate
Arbeitszeit: 65% einer Vollzeit E13 TV-L Stelle
Projektbeschreibung:
Im Rahmen des transregionalen Projekts „Assembly Controlled Chemical Photocatalysis“ (CRC 325)
in Zusammenarbeit mit der Universität Regensburg und der Technischen Universität München suchen
wir eine/n wissenschaftliche/n Mitarbeiter/in (m/w/d) für eine 65%-Stelle in den Bereichen Chemie,
Informatik, Mathematik, Physik oder verwandten Fachgebieten. Ziel ist die Entwicklung von KI-
gestützten Methoden zur Unterstützung der experimentellen und theoretischen Forschung im CRC 325.
Wir beabsichtigen, maschinelles Lernen einzusetzen, um die Simulation photochemischer Reaktionen
zu beschleunigen und die Entscheidungsprozesse von ML-Modellen zu analysieren. Dieser Ansatz
ermöglicht die gezielte Gestaltung von Substraten, Katalysatoren und Reaktionsbedingungen. Das
Projekt wird in drei unterschiedliche Bereiche unterteilt, um verschiedene Initiativen innerhalb des CRC
zu unterstützen, mit den Schwerpunkten Reinforcement Learning und experimentelles Design, tiefe
neuronale Netze und „Explainable AI“ sowie theoretische Chemie. Die Position ist darauf ausgelegt, die
Forschungsaktivitäten für die nächste Förderperiode zu unterstützen, mit der Option, den Vertrag für
eine Promotion zu verlängern.
Aufgabenbeschreibung:
• Entwicklung und Evaluation maschineller Lernverfahren, insbesondere tiefer neuronaler
Netze, reinforcement learning modellen und generativen Modellen sowie die Anwendung und
Entwicklung von Verfahren zur Datenbearbeitung und -analyse (50 %)
• Anwendung theoretisch-chemischer Rechenmethoden (vor allem Density Functional Theory
und Methoden für angeregte Zustandsrechnungen) (25%)
• Verfassen wissenschaftlicher Publikationen (15%)
• Abstimmung mit allen Projektpartnern und Anleitung von studentischen Hilfskräften (10 %)
• Teilnahme an Veranstaltungen (Konferenzen, Workshops oder ähnliches) des CRC 325
Anforderungen:
• Erfolgreicher Abschluss eines Bachelor oder Masterstudiums in Naturwissenschaften
(Chemie, Physik, Mathematik), Informatik, Biomechanik, Ingenieurwissenschaften oder
verwandten Disziplinen
• Fundierte Kenntnisse im maschinellem Lernen, insbesondere neuronalen Netzen, sowie der
theoretischen Chemie sind wünschenswert
• Erfahrung im wissenschaftlichen Projektmanagement wünschenswert
• Bereitschaft zu Dienstreisen und flexible Arbeitsweise
• Sehr gute Deutsch- und Englischkenntnisse (mindestens C1)
Ansprechpartner/in:
Jun.-Prof. Dr. Julia Westermayr
Julia.westermayr@uni-leipzig.de