Am 07.04.2025 findet unser nächster KI-Entwickler:innen-Arbeitskreis statt!
Dr. Johannes Peter Dürholt, Senior Data Scientist bei Evonik, wird uns in seinem Vortrag „How to plan experiments in the most efficient way using probabilistic machine learning?“ zentrale Aspekte seiner Forschung näherbringen.
Effiziente Experimentierung ist das Fundament des Erfolgs in der chemischen Industrie, da sie Innovationen vorantreibt und die Markteinführungszeit neuer Produkte verkürzt. In dieser Präsentation wird der Weg von Evonik von klassischen Methoden des Design of Experiments (DoE) zu Techniken der Bayesianischen Optimierung (BO) beschrieben. Der Python-Code, BoFire, vorgestellt, der speziell entwickelt wurde, um DoE- und BO-Methoden zu implementieren, die für Experimente im chemischen Bereich und darüber hinaus zugeschnitten sind. BoFire ermöglicht es Forschern, komplexe Parameterbereiche systematisch zu durchlaufen, experimentelle Designs iterativ zu verfeinern und datengestützte Entscheidungen zu treffen, die auf probabilistischen Modellen basieren, sowohl in Closed-Loop- als auch in Human-in-the-Loop-Optimierungsszenarien.
Wir freuen uns auf spannende Einblicke und eine angeregte Diskussion.
