Prof. Dr. Johannes Margraf wird Professor an der Universität Bayreuth

Prof. Dr. Johannes Margraf, ein renommierter Forscher und Gruppenleiter am Fritz-Haber-Institut der Max-Planck-Gesellschaft (FHI) in Berlin, wurde zum Professor an der Universität Bayreuth ernannt. Die Zusammenarbeit von Prof. Dr. Margraf mit der Universität begann offiziell im September und markiert einen bedeutenden Schritt in seiner Karriere.

Akademischer Werdegang

Prof. Dr. Margrafs akademische Laufbahn zeichnet sich durch eine Reihe prestigeträchtiger Positionen und wertvoller Beiträge im Bereich des maschinellen Lernens in der Chemie und der elektronischen Strukturtheorie aus. Vor seiner aktuellen Position an der Universität Bayreuth hatte er wichtige Positionen an renommierten Institutionen inne:

• Fritz-Haber-Institut der Max-Planck-Gesellschaft (FHI), Berlin: Gruppenleiter,
• Technische Universität München: Postdoc und Gruppenleiter,
• University of Florida: Postdoc.

Seine akademische Ausbildung umfasst einen Doktortitel in Physikalischer und Theoretischer Chemie von der Friedrich-Alexander-Universität Erlangen-Nürnberg.

Forschungsschwerpunkte

Die Forschungsgruppe von Prof. Dr. Margraf, bekannt als "Data-Efficient Chemical Machine Learning" Gruppe, hat sich auf die Anwendung von maschinellem Lernen spezialisiert, um chemische Phänomene zu verstehen und vorherzusagen. Was ihre Arbeit auszeichnet, ist ihr Engagement für präzise und dateneffiziente Modelle, die keine umfangreichen Referenzdatensätze für das Training erfordern. Dieser Ansatz ermöglicht die Anwendung ihrer Methoden auf eine Vielzahl chemischer Probleme, selbst in Fällen, in denen umfangreiche Datenressourcen fehlen.

Eines ihrer Hauptziele besteht darin, grundlegende physikalische und chemische Prinzipien in ihre Modelle zu integrieren, um ein tieferes Verständnis der zugrunde liegenden Prozesse zu gewährleisten. Dieser Ansatz erstreckt sich auch auf die elektronische Strukturtheorie, wo sie den Schnittpunkt von Wellenfunktions- und Dichtefunktionsmethoden erforschen, mit dem Ziel, robuste und genaue Methoden zu entwickeln, die die rechnerischen Herausforderungen überwinden.

Interview-Highlights

In einem kürzlich geführten Interview teilte Prof. Dr. Margraf Einblicke in seine Karriere und Erfahrungen:

1. Wie kam er zum FHI und wann: Prof. Dr. Margraf trat im Oktober 2020 dem FHI bei, nachdem er an der Technischen Universität München tätig war. Seine Berufung ans FHI erfolgte, als Karsten Reuter, der Leiter der Abteilung für Theorie am FHI, ihm eine Gruppenleiterposition anbot.
2. Seine Arbeit am FHI: Die Gruppe von Prof. Dr. Margraf am FHI konzentrierte sich auf die Weiterentwicklung des maschinellen Lernens in der Chemie und Katalyse. Besonders hervorzuheben ist, dass sie physische und chemische Prinzipien in ihre maschinellen Lernmodelle integrieren, um dateneffiziente Ergebnisse zu erzielen.
3. Unterstützung durch das FHI und MPG: Prof. Dr. Margraf würdigte die idealen Forschungsbedingungen, die die Max-Planck-Gesellschaft (MPG) und das FHI bieten, und betonte die unschätzbare Unterstützung der Kolleg*innen in der Abteilung für Theorie, unter der Leitung von Prof. Dr. Karsten Reuter.
4. Zusammenarbeit in seinem Team und mit Karsten Reuter: Prof. Dr. Margraf unterstrich die kooperative Kultur in der Abteilung für Theorie, die interdisziplinäre Zusammenarbeit fördert. Er erörterte auch seine Rolle als Gruppenleiter bei der Unterstützung der Entwicklung seines Teams.
5. Berufliche Erkenntnisse: Prof. Dr. Margraf reflektierte über seine transformative Zeit am FHI, in der er sich zu einem unabhängigen Forscher entwickelte und umfangreiches Wissen in Katalyse und Physikalischer Chemie erwarb.
6. Ausblick auf die Zukunft: An der Universität Bayreuth freut sich Prof. Dr. Margraf darauf, eine neue Forschungsgruppe für Künstliche Intelligenz in der physikalisch-chemischen Materialanalyse zu gründen. Dieser Karriereschritt ermöglicht es ihm, seine Forschung unbefristet fortzusetzen und neue Horizonte zu erkunden.

Die akademische Gemeinschaft erwartet gespannt die Beiträge, die Prof. Dr. Johannes Margraf an der Universität Bayreuth leisten wird, und seine Hingabe an dateneffizientes maschinelles Lernen in der Chemie wird voraussichtlich nachhaltige Auswirkungen auf das Fachgebiet haben. Wir am FHI haben die Zusammenarbeit mit ihm sehr genossen und wünschen ihm für seine zukünftigen Vorhaben nur das Allerbeste.