![Weiterleitung](http://dimentionprojects.com/wp-content/uploads/job-manager-uploads/company_logo/2023/03/weiterleitung-150x150.png)
Weiterleitung
Plattform: DTVP
Link zur Ausschreibung: https://www.dtvp.de/Center/common/project/search.do?method=showExtendedSearch&fromExternal=true/
Veröffentlicher: Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR)
Veröffentlicht: 22.08.2023
Angebots- / Teilnahmefrist: 18.09.2023
Beschreibung:
Im Rahmen der Quantencomputing-Initiative des DLR wird das Projekt Quantum Computing for Materials
Science and Engineering (QuantiCoM) durchgeführt. Die vorliegende Ausschreibung betrifft das Teilprojekt Quantum-Powered Materials Optimization and Learning (MatQML), das sich mit der Entwicklung von fortschrittlichen Methoden unter Nutzung von Quantencomputern für die Materialwissenschaften, die Werkstofftechnik und die Industrie befasst. Ziel ist es u.a. perspektivisch schnelle Materialentwicklungen zu ermöglichen und Entwicklungszeiten drastisch zu reduzieren.
Zur Erreichung des Ziels soll der Auftragnehmer im DLR-Projekt mitarbeiten und einen Transferbeitrag leisten.
Konkrete Ziele des Teilprojekts sind:
? Entwicklung eines QML-basierten Metamodells zur Vorhersage von Materialeigenschaften, indem Legierungszusammensetzungen als Eingabe verwendet werden und Eigenschaften wie beispielsweise Elastizitätsmodul, Streckgrenze und thermischer Ausdehnungskoeffizient als Ausgabe prognostiziert werden,
? Untersuchung und Implementierung eines Quantum Reinforcement Learning Agents zur Optimierung der Materialeigenschaften,
? Training eines Metamodells für QUBO-Ansätze, um Materialeigenschaften auf der Grundlage von Legierungszusammensetzungen vorherzusagen,
? Bestimmung des Hamiltonians für QUBO-Probleme mithilfe von Factorization Machines, um die Energieniveaus in Materialien zu modellieren,
? Implementierung und Lösung von QUBO-Problemen auf einem Annealer zur Optimierung von Materialzusammensetzungen,
? Anwendung des QAOA (Quantum Approximate Optimization Algorithm) auf das Knapsack-Problem im Zusammenhang mit der Materialoptimierung,
? Nutzung von PINNs (Physics-Informed Neural Networks) zur Modellierung von Kontinuitätsgleichungen und atomaren Anordnungen in metallischen Gittern sowie zur Untersuchung der Schrödinger-Gleichung für Materialsimulationen.
Weitere Einzelheiten zu den vom Auftragnehmer zu erbringenden Leistungen sind der den Vergabeunterlagen beigefügten Leistungsbeschreibung zu entnehmen.