Fördergelder für KI-Projekte

Jülich, 17. Juni 2020 – Die Helmholtz-Gemeinschaft fördert Forschungsprojekte im Feld angewandter Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) mit 7,2 Millionen Euro. Ein Expertenpanel wählte für die "Helmholtz AI Cooperation Unit" (Helmholtz AI) insgesamt 19 Projekte aus, die über eine Gesamtdauer von zwei bis drei Jahren mit jeweils bis zu 400.000 Euro gefördert werden. Wissenschaftlerinnen und Wissenschaftler des Forschungszentrums Jülich sind an fünf Forschungsvorhaben beteiligt.

Mit der Plattform Helmholtz AI investiert Helmholtz jährlich 11 Millionen Euro in sechs innovative Forschungseinheiten sowie ein transdisziplinäres Netzwerk für angewandte KI. Die jetzt ausgewählten 19 Projekte nutzen neuartige analytische Werkzeuge, um drängende gesellschaftliche Herausforderungen wie Klimawandel oder Mobilität durch den Einsatz von KI zu lösen. Die Projekte fördern die Erprobung dieser neuen Ansätze, werden von mehreren Partnern getragen und in bis zu drei Jahren umgesetzt – damit ermöglichen sie auch größere Folgeprojekte.

Projekte mit Jülicher Beteiligung und die jeweiligen Ansprechpartner:

AINX: KI für Neutronen- und Röntgenstreuungsexperimente
Das Projekt entwickelt KI-unterstützte Datenreduktions- und Analysetechniken für Neutronen- und Röntgenstreuexperimente. Das Ziel der Forscherinnen und Forscher ist es, die Strahlzeitnutzung zu optimieren und die Datenanalyse zu beschleunigen.
Jülich Centre for Neutron Science (JCNS-FRM-II); Dr. Marina Ganeva, E-Mail: m.ganeva@fz-juelich.de

aN0: Simulationen an Hochleistungsrechnern verbessern
Das Ziel von AlphaNumerics Zero ist ein Umdenken beim Design von numerischen Verfahren auf Höchstleistungsrechnern. Das Projekt setzt Reinforcement-Learning-Techniken ein, damit der Rechner für ein gegebenes Simulationsproblem die im Mittel optimale numerische Lösungsmethode selbstständig lernt.
Jülich Supercomputing Centre (JSC), Dr. Robert Speck, E-Mail: r.speck@fz-juelich.de

EDARTI: KI-Ansätze zur verbesserten Elektronenbeugungsinversion
Dieses Projekt widmet sich ein interdisziplinäres Team aus Mathematikern und Physikern der Dekodierung von Eigenschaften materialwissenschaftlicher und biologischer Proben aus 4-D-Beugungsbildern durch die Weiterentwicklung von KI-Methoden.
Ernst Ruska-Centrum für Mikroskopie und Spektroskopie mit Elektronen (ER-C), Prof. Knut Müller-Caspary, E-Mail: k.mueller-caspary@fz-juelich.de

i2Batman: Intelligentes Batteriemanagement durch Spektroskopie und ML
Im Rahmen des i2Batman-Projekts werden ML-Techniken für ein optimiertes Batteriemanagement auf der Ebene der Batteriezelle entwickelt und demonstriert. Ziel ist es, ein optimiertes Schnellladeverhalten zu erreichen, während gleichzeitig die Lebensdauer der Batterien dem Industriestandard entsprechen oder dieser sogar noch übertroffen werden soll.
Institut für Energie- und Klimaforschung, Grundlagen der Elektrochemie (IEK-9), Prof. Josef Granwehr, E-Mail: j.granwehr@fz-juelich.de

MOMONANO: Mit ML molekulare Nanoroboter ermöglichen
Ziel des Projekts ist es, mit einzelnen Molekülen wie mit LEGO Bausteinen komplexe funktionelle Nanostrukturen aufzubauen. Die dafür nötigen quantenmechanischen Simulationen sind jedoch zu zeitaufwändig. Momonano bündelt die Expertise in ML, molekularen Simulationen und Nanorobotik, um solche Simulationen um Größenordnungen zu beschleunigen.
Peter Grünberg Institut, Quantum Nanoscience (PGI-3), Dr. Christian Wagner, E-Mail: c.wagner@fz-juelich.de

Weitere Informationen über Helmholtz AI und die Ausschreibungen für Helmholtz-AI-Projekte: www.helmholtz.ai

Pressekontakt:
Erhard Zeiss, Pressereferent
Tel. 02461 61-1841
E-Mail: e.zeiss@fz-juelich.de