KI and Machine Learning in Physics - Interactive curriculae of TU Ilmenau

The interactive curriculae provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the course catalogue.

Please note that this page is no longer updated. All modules and study plans from PO version 2021 onwards (Bachelor and Master study programs) are now available on the Campus Portal.

module properties KI and Machine Learning in Physics in degree program Bachelor Technische Physik 2023
module number	201334
examination number	240287
department	Department of Mathematics and Natural Sciences
ID of group	2421 (Theoretical Physics I)
module leader	Prof. Dr. Erich Runge
term	winter and summer term
language	Deutsch
credit points	5
on-campus program (h)	45
self-study (h)	105
obligation	elective module
exam	examination performance with multiple performances
details of the certificate	Das Modul KI und Machine Learning in der Physik mit der Prüfungsnummer 240287 schließt mit folgenden Leistungen ab: alternative semesterbegleitende Prüfungsleistung mit einer Wichtung von 50% (Prüfungsnummer: 2400929) alternative semesterbegleitende Prüfungsleistung mit einer Wichtung von 50% (Prüfungsnummer: 2400930) Details zum Abschluss Teilleistung 1: eigenständige Bearbeitung von Übungsaufgaben (i. d. R. Erstellung kleiner Programme) und deren Präsentation Details zum Abschluss Teilleistung 2: Eigenständige Bearbeitung eines umfangreicheren Programmierprojekts und der schriftlichen oder mdl. Präsentation des Designs und der Ergebnisse.
link to Moodle course
teacher	Prof. Dr. Christian Dreßler, Prof. Dr. Erich Runge sowie Mitarbeiter*innen der Fachgebiete 2421, 2426 und 2427
signup details for alternative examinations	This module contains at least one alternative exam part. Please note that this must usually be registered at the beginning of the semester in which it is offered. The lecturer and/or the examination office will inform you about the details and time periods. If necessary, be sure to ask the lecturer.
maximum number of participants
previous knowledge and experience	Elementare Programmiererfahrung, idealerweise mit Python.
learning outcome	Absolventinnen und Absolventen kennen und verstehen einerseits aktuelle Entwicklungen in KI und Machine Learning (ML) in Naturwissenschaften und Technik, aber auch andererseits den Einfluss, den die Physik auf die Entwicklung von KI und ML hatte und hat. Sie haben unter Anleitung Methoden der KI und des ML in Übungen auf einfache Physik-relevante Problem angewandt. Sie kennen Möglichkeiten, aber auch Grenzen von KI und ML. Sie können online-Ressourcen zur Arbeitsunterstützung und Weiterbildung nutzen. Sie haben durch Projektarbeit gelernt, ihre fachlichen und sachbezogenen Problemlösungen zu formulieren und methodisch fundiert zu begründen. Sie sind sich der Gefahren bewusst, wenn in der Physik bewährte KI und ML-Ansätze unkritisch auf beispielweise gesellschaftliche Fragestellungen übertragen werden.
content	In der Vorlesung werden Kenntnisse über klassische Methoden des Maschinellen Lernens (ML), z. B. Support Vector Machines, Random Forest etc. bis hin zu Deep Neural Networks und modernen Graph Neural Networks vermittelt, an konkreten Beispielen programmiert und in praktischen Übungen vertieft. Schwerpunkte sind Physik-relevante Themen, wie z.B. Verbindungen zur statistischen Physik, zu dynamischen Systemen, zu Reservoir-Computing und ML-Kraftfeldernin der theoretischen Chemie und zur Vorhersage von Materialeigenschaften in den Materialwissenschaften.
media of instruction and technical requirements for education and examination in case of online participation	Beamer, Präsentationen etc.
literature / references	Online-Buch zur Einführung (kostenlos): http://neuralnetworksanddeeplearning.com/ Weitere Literatur in diesem schnell voranschreitenden Gebiet wird via Moodle zur Verfügung gestellt und aktualisiert.
evaluation of teaching