Research Topics on AI and ML Methods 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Please note that this page is no longer updated.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 Research Topics on AI and ML Methods in Physics in degree program Master Technische Physik 2023
module number	201335
examination number	2400931
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	alternative examination performance
details of the certificate	Eigenständige Bearbeitung eines umfangreichen 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, 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	Grundkenntnisse über KI- und ML-Methoden in der Physik, wie sie in der Bachelor-Vorlesung "KI und Machine Learning in der Physik" vermittelt werden.
learning outcome	Absolventinnen und Absolventen können den enormen Impakt, den KI- und ML-Methoden auf den Fortschritt der Physik beurteilen und damit zusammenhängende Aspekte angemessen diskutieren. Sie kennen die wichtigsten Konzepte und haben mehrere davon bereits selbst auf Physik-relevante Aufgabestellungen angewandt. Sie verstehen die Beziehung zwischen KI- und ML-Methoden einerseits und ,konventioneller' Physik andererseits. Daher können sie abwägen, welche Methoden für welche Fragestellungen sinnvoll sind, und kennen Chancen und Risiken von KI- und ML-Methoden. Die Studierenden können die erworbenen Kompetenzen direkt innerhalb und außerhalb des akademischen Betriebs für die Bearbeitung technischer und Technologie-naher Fragestellungen nutzen.
content	In der Vorlesung werden Anwendung von klassischen und hochmodernen Methoden des Maschinellen Lernens auf physikalische Fragestellungen speziell aus dem Bereich der Materialwissenschaften vorgestellt. Einzelne Aspekte werden in praktischen Übungen vertieft. Diese umfassen neben der Implementation und Anwendung von KI und ML auch das Design von Modellen und Forschungsaufgaben. Schwerpunkte sind Forschungsfragen aus dem Umfeld der Themen, die in den Fachgebieten des Instituts für Physik bearbeitet werden wie z.B. Reservoir- Computing und ML-Kraftfeldern in der theoretischen Chemie und zur Vorhersage von Materialeigenschaften.
media of instruction and technical requirements for education and examination in case of online participation	Beamer, Präsentationen etc.
literature / references	Literaturverweise in diesem schnell voranschreitenden Gebiet werden via Moodle oder per email zur Verfügung gestellt und aktualisiert.
evaluation of teaching