Wir entwickeln und verwenden Methoden des maschinellen Lernens und der künstlichen Intelligenz mit dem Ziel, physikalisch und chemisch relevante strukturelle und dynamische Informationen aus Neutronenstreuungsdaten zu extrahieren. Unser Ansatz umfasst ein breites Spektrum an Techniken, darunter klassische maschinelle Lernansätze wie Gauß-Prozesse sowie Diffusions- und Großsprachenmodelle. Unsere Forschung unterstützt JCNS-Wissenschaftler und -Nutzer bei allen Schritten ihres wissenschaftlichen Workflows: von der Datenerfassung über die Datenreduktion bis hin zur Datenanalyse.

Unser zweiter Tätigkeitsbereich umfasst die Entwicklung und Wartung von Datenreduktionssoftware für die Time-of-Flight- (ToF), SANS- (Kleinwinkel-Neutronenstreuung) und Neutronendiffraktionsinstrumente. Neben der Software- und Methodenentwicklung befassen wir uns mit der Verbreitung von Wissen über Methoden der künstlichen Intelligenz und des maschinellen Lernens an Wissenschaftler und Nutzer der Einrichtungen.