Under sine ph.d.-studier har Nikolaj Rønne udviklet metoder til autonom opdagelse af nye materialer ved hjælp af data-drevne læringsteknikker. En central del i hans arbejde er introduktionen af en innovativ diffusionsbaseret generativ metode, som muliggør design af stabile overfladematerialer. Denne metode repræsenterer en betydelig fremgang inden for feltet og åbner nye muligheder for opdagelse af overfladematerialer.

Nikolaj Rønne har også anvendt statistiske læringsmetoder og neurale netværk til at modellere materialers potentielle energi, hvilket støtter opdagelsesmulighederne. Hans forskning har været fokuseret på overfladesystemer, herunder sølvoxider som er relevante for industriel katalyse og grafen-understøttede molekylær tyndfilm af kuldioxid, som er interessant for forståelsen af de interstellare betingelser, der er nødvendige for liv på jorden. Forskningen har udvidet den teoretiske forståelse af disse systemer og bidraget med værdifuld indsigt inden for materialeforskning.

Ph.d.-studiet er gennemført ved Institut for Fysik og Astronomi, Faculty of Natural Sciences, Aarhus Universitet.

Dette resumé er udarbejdet af den ph.d.-studerende.

Tid: Fredag den 25. Oktober kl. 14.00
Sted: Bygning 1525, lokale 626, Institut for Fysik og Astronomi, Aarhus Universitet
Afhandlingens titel: Data-Driven Methods for Material Discovery
Kontaktinfo: Nikolaj Rønne, e-mail: nronne@phys.au.dk, tel.: +45 41434949

Bedømmelsesudvalg:
Professor Johannes T. Margraf, Physical Chemistry V: Theory and Machine Learning, University of Bayreuth, Germany.

Junior professor Julia Westermayr, University of Leipzig, Germany.

Associate Professor Jill Miwa (chair), Department of Physics and Astronomy, Aarhus University, Denmark

Hovedvejleder:
Professor Bjørk Hammer (chair), Department of Physics and Astronomy, Aarhus University, Denmark.

Sprog: Ph.d.-afhandlingen forsvares på engelsk

Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Natural Sciences (GSNS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C