Von den über 200 Mio. bekannten Chemikalien gibt es für weniger als 0,05 % umfassende experimentelle Daten für Stoffeigenschaften. Das Fehlen dieser Daten bremst den Fortschritt in der chemischen Industrie, insbesondere bei der Entwicklung nachhaltiger Produkte und Lieferketten. Der Bedarf an Stoffdaten kann nur mit genauen Vorhersagemethoden rechtzeitig gedeckt werden.
Unser Team, bestehend aus Philipp, Gernot, Johannes, Benedikt und André, geht dieses Problem mit einem neuartigen Tool zur Stoffdatenvorhersage an, das Sprachmodelle des maschinellen Lernens mit modernen physikalischen Stoffmodellen kombiniert. Unsere benutzerfreundliche und umfassende Lösung ist massgeschneidert für den täglichen Nutzen durch unsere Kunden in der chemischen Industrie.
