KI-gestützte Modellierung und Simulation physikalischer Prozesse. Dr. Markus Becker leitet den Forschungsschwerpunkt Smarte Datentechnologien am Leibniz-Institut für Plasmaforschung und Technologie e.V. (INP). Seine Arbeit konzentriert sich auf die methodische Weiterentwicklung von Modellierungs- und Simulationsverfahren sowie den Einsatz Künstlicher Intelligenz (KI) in der Plasmaforschung. Im Mittelpunkt stehen Machine-Learning-Methoden, mit denen physikalische Prozesse in Plasmen effizienter simuliert werden. Durch Physics-Informed Neural Networks und die Entwicklung sogenannter Surrogatmodelle werden komplexe Simulationen beschleunigt, sodass auch sehr komplexe physikalische Abläufe modelliert und ressourcenschonend simuliert werden können.
KI und Forschungsdatenmanagement in der Wissenschaft. Ein weiterer Schwerpunkt von Dr. Becker liegt auf der Strukturierung und intelligenten Aufbereitung wissenschaftlicher Daten. In Projekten zum Forschungsdatenmanagement werden KI-basierte Verfahren genutzt, um Daten und Wissen automatisiert zu strukturieren, zu vernetzen und zugänglich zu machen. Dabei werden unter anderem Sprachmodelle eingesetzt, um Wissensgraphen aufzubauen, die Beziehungen zwischen Forschungsdaten, Publikationen oder Patenten sichtbar machen. Diese Projekte tragen zur Entwicklung transparenter und offener Forschungsstrukturen im Sinne von Open Science bei.
Kompetenzen im Bereich der künstlichen Intelligenz und Data Science
- Machine Learning für Surrogatmodelle und Simulationsbeschleunigung
- Einsatz von KI in der Wissensmodellierung (Sprachmodelle, Ontologien, Wissensgraphen)
- Konzeption und Betrieb von KI- und Dateninfrastrukturen zur Deckung institutioneller Bedarfe in der Forschung

Dr. Markus Becker
Forschungsschwerpunktsleiter Smarte Datentechnologien, Leibniz-Institut für Plasmaforschung und Technologie e.V.
Ausgewählte Projekte

Physics-Informed Neural Networks für Plasmasimulationen
Entwicklung von KI-Modellen und Nutzung multimodaler Untersuchungsmethoden zur effizienten Simulation physikalischer Prozesse in Niedertemperaturplasmen.
Mehr Informationen
Patents4Science – Wissensgraphen für Patentinformationen
Unterstützung der wissenschaftlichen Wertschöpfungskette durch die automatisierte inhaltliche Analyse von Patentdaten und Verknüpfung mit wissenschaftlicher Literatur in Zusammenarbeit mit drei weiteren Leibniz-Instituten. Umgesetzt wird dies u.a. durch den Aufbau von Wissensgraphen zur Strukturierung und Vernetzung von Patentinformationen. Dadurch wird die Möglichkeit geschaffen, vorhandene Technologien einfacher aufzuspüren und Wissen aus Patenten, Publikationen und Datensätzen zusammenzubringen.
Mehr Informationen
Data-Science-Initiativen am INP
Entwicklung und Bereitstellung offener Dateninfrastrukturen und Tools zur Förderung von Transparenz und Nachnutzbarkeit wissenschaftlicher Ergebnisse für datengestützte Forschung.
Mehr Informationen