UNF / Aktiviteter / 6. september 2018 • Machine learning: Kan computeren lære sig selv kemi?

Machine learning: Kan computeren lære sig selv kemi?

Foredrag ved Bjørk Hammer

TORSDAG D. 6. SEPTEMBER 2018
UNF Aarhus

Nye programmeringsteknikker og ikke mindst øget computerregnekraft har banet vejen for at computere kan genkende skjulte mønstre i komplekse data. Feltet går under betegnelsen "machine learning" idet computerne synes at lære mens de kører. Man møder machine learning mange steder - ofte uden at tænke over det. Når din Spotify app mixer musiknumre ind i dit flow af musik har den benyttet machine learning til at finde mønstre i andre brugeres musikvalg og derigennem forsøgt at gætte hvad du måtte bryde dig om at høre. Tilsvarende er det machine learning og mønstergenkendelse, der er på spil når Facebook app'en kan finde ansigter i billeder du måtte uploade. I vores forskning ved Institut for Fysik og Astronomi har vi sat os for at se hvor meget elementær kemi computeren kan lære ved at benytte machine learning metoder til at finde mønstre i databaser over kendte egenskaber ved molekyler, klynger af atomer, og faste stoffer. I foredraget vil jeg introducere de basale metoder i machine learning og vise eksempler på hvorledes computeren lykkes med at gennemskue simple kemiske koncepter ud fra databaserne.

Det anbefales at møde senest 15 minutter før arrangementer, da vi ellers vil frigive reserverede pladser.

Vidste du Matematisk Kantine har aftenåbent fra 17.00-20.30? Køb kaffe og kage i pausen eller gør en tur ud af det og spis aftensmad dernede med dine elever efter foredraget. I kan også møde os dernede til en uformel snak - se efter de sorte UNF t-shirts. Bemærk at nogle aftener kan alle borde være optaget. Læs mere og bestil bord her.

BJØRK HAMMER

Bjørk Hammer

Professor, Aarhus Universitet, Institut for Fysik og Astronomi

Praktisk info

FOREDRAG • UNF Aarhus

Torsdag d. 6. September 2018

kl. 17.15- 19.00

Auditorium E, Institut for Matematik, Aarhus Universitet

Ny Munkegade 118
8000 Aarhus C

VIS KORT