Neu an der Technischen Fakultät: Prof. Dr. Philipp Pelz

Wir stellen Ihnen neue Professorinnen und Professoren unserer Fakultät vor. Diesmal: Prof. Dr. Philipp Pelz, seit 01.08.2022 W2-Professor für Computational Materials Microscopy.

Was war Ihre letzte Station vor der FAU?

Ich war 3 Jahre Postdoktorand an der University of California und am National Center for Electron Microscopy in Berkeley.

Was ist Ihr Forschungsgebiet/Forschungsschwerpunkt?

Mein Forschungsgebiet ist die Entwicklung von computergestuetzten Bildgebungs- und Analysemethoden in der Mikroskopie. Moderne Elektronenmikroskope liefern eine Vielzahl von Bildgebungskanälen, die Aufschluss über Struktur und Chemie von Materialien von der Mikro- bis zur atomaren Skala liefern. Oft sind die Informationen, die wir gewinnen können, durch die Strahlenempfindlichkeit der Materialien begrenzt. Ein Teil meiner Forschung beschäftigt sich damit, möglichst viel Information aus den vorhandenen Daten wieder zu gewinnen, zum Beispiel indem unterschiedliche Signale miteinander korreliert werden, und der Bildgebungsprozess mit physikalischen Modellen beschrieben wird. Das ermöglicht zum Beispiel auch strahlenempfindliche organische Materialien mit nahezu atomarer Auflösung abzubilden.

Ein anderer Teil meiner Forschung beschäftigt sich damit, die Informationsgewinnung von Mikroskopen autonomer zu machen. Viele Forscher und Forscherinnen versuchen heute, die Entwicklung von neuen Materialien zu beschleunigen, indem sie die Schleife von theoretischer Modellierung, Materialsynthese und Charakterisierung schließen. Oft kommen bei der Charakterisierung noch spektroskopische Methoden zum Einsatz, die nur Ensemble-Eigenschaften der Materialien abbilden. Ich arbeite daran, den Durchsatz und die Automatisierung von Mikroskopen zu erhöhen, sodass sie in Zukunft noch mehr zur Beschleunigung der Materialentwicklung beitragen können.

Warum ist Ihnen Lehre wichtig?

Ich sehe Computermodellierung als eine Art „Superpower“ an. Die Wissenschaft und Industrie wird heutzutage immer mehr von Methoden des maschinellen Lernens (ML) und der künstlichen Intelligenz beeinflusst. Wenn man sein Problem mit einem mathematischen Modell beschreiben kann, kann man es oft mit frei verfügbaren ML-Tools lösen. In meiner Lehre möchte ich den Studentinnen und Studenten diese Superpower für ihre Zukunft mitgeben.

Kontakt: