Projekteja vuodessa
Organisaation profiili
Organisaation profiili
The Computational Electronic Structure Theory Group is developing electronic structure and machine learning methods and applies them to pertinent problems in material science, surface science, physics, chemistry and the nano sciences. The electronic structure gives us an atomistic view on matter that is important for many applications. Examples are materials for clean energy production, light-emitting devices (LEDs) or information and communication technologies (ICT). Perturbing the electronic structure, as done in spectroscopy, reveals more information about matter. We develop and use theoretical spectroscopy methods to probe the properties of molecules, molecules on surfaces, nanostructures, as well as semiconductors and their surfaces. We also investigate data as new resource in materials science. We participate in the development of a large scale materials database and study the potential of database driven materials science.
Yhteistyöt ja huippututkimusalueet viimeisiltä viideltä vuodelta
Profiilit
-
Gusein Bedirkhanov
- Teknillisen fysiikan laitos - Vierailija (opetus- ja tutkimushenkilöstö)
- Computational Electronic Structure Theory - Vierailija (opetus- ja tutkimushenkilöstö)
Henkilö: Vieraileva tutkija
-
Nitik Bhatia
- School of Science
- Teknillisen fysiikan laitos - Vierailija (opetus- ja tutkimushenkilöstö)
- Computational Electronic Structure Theory - Vierailija (opetus- ja tutkimushenkilöstö)
Henkilö: Tohtoriopiskelija, Vieraileva tutkija
-
Dorothea Golze
- Teknillisen fysiikan laitos - Vierailija (opetus- ja tutkimushenkilöstö)
- Computational Electronic Structure Theory - Vierailija (opetus- ja tutkimushenkilöstö)
Henkilö: Vieraileva tutkija
Projektit
- 1 Aktiivinen
-
EXT-PIMMCH: Extending the perovskite-inspired mixed-metal chalcohalide alloy space for solar cells
Rinke, P. (Vastuullinen tutkija) & Henkel, P. (Projektin jäsen)
01/09/2024 → 31/08/2026
Projekti: EU Horizon Europe MC
Tutkimustuotos
-
Active Learning of Molecular Data for Task-Specific Objectives
Ghosh, K., Todorovic, M., Vehtari, A. & Rinke, P., 7 tammik. 2025, julkaisussa: Journal of Chemical Physics. 162, 1, 014103.Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto12 Lataukset (Pure) -
Data-efficient optimization of thermally-activated polymer actuators through machine learning
Zhang, Y., Vaara, M., Alesafar, A., Nguyen, D. B., Silva, P., Koskelo, L., Ristolainen, J., Stosiek, M., Löfgren, J., Vapaavuori, J. & Rinke, P., toukok. 2025, julkaisussa: Materials and Design. 253, s. 1-8 8 Sivumäärä, 113908.Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto19 Lataukset (Pure) -
Efficient dataset generation for machine learning halide perovskite alloys
Homm, H., Laakso, J. & Rinke, P., toukok. 2025, julkaisussa: Physical Review Materials. 9, 5, s. 1-10 10 Sivumäärä, 053802.Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto2 Lataukset (Pure)
Tietoaineistot
-
Bayesian Inference of Atomistic Structure in Functional Materials
Todorovic, M. (Creator), Gutmann, M. U. (Creator), Corander, J. (Creator) & Rinke, P. (Creator), Zenodo, 2019
DOI - pysyväislinkki: 10.5281/zenodo.2565932, https://zenodo.org/record/2565933
Tietoaineisto: Dataset
-
NOMAD Repository Entry
Stuke, A. (Creator), NOMAD Repository, 2019
DOI - pysyväislinkki: 10.17172/nomad/2019.12.10-1, https://nomad-lab.eu/prod/v1/gui/dataset/doi/10.17172/NOMAD/2019.12.10-1
Tietoaineisto: Dataset
-
NNModel
Stosiek, M. (Creator), Zenodo, 3 lokak. 2022
DOI - pysyväislinkki: 10.5281/zenodo.7139616, https://zenodo.org/record/7139617
Tietoaineisto: Dataset
Palkinnot
-
2018 Boekman Dissertation Award
Geurts, A. (Recipient), 2018
Palkinto: Sijoittuminen kilpailussa tai osallistuminen kutsukilpailuun
-
2018 ISPIM Dissertation Award
Geurts, A. (Recipient), 2018
Palkinto: Sijoittuminen kilpailussa tai osallistuminen kutsukilpailuun
-
August-Wilhelm Scheer visiting professorship, Technical University Munich
Rinke, P. (Recipient), 2017
Palkinto: Palkinto tai huomionosoitus urasta
Aktiviteetit
-
International Aerosol Modeling Algorithms Conference
Sandström, H. (Puhuja)
2023Aktiviteetti: Konferenssiesitelmä
-
-
Electronic Structure Theory and Machine Learning in Materials Science and Computational Chemistry
Sandström, H. (Member)
2023Aktiviteetti: Konferenssin, workshopin, session tai tapahtuman puheenjohtaja
Lehtileikkeet
-
GLOBAL ROUND UP SECTOR WEEKLY: UNIVERSITY NEWSLETTER OF WEEK-ENDED MAR 03, 2024
Halme, M., Pekola, J. P., Rinke, P. & Sand, A.
04/03/2024
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa
-
Aalto Open Science Award Winner 2023 - Aalto Materials Digitalization Platform (AMAD)
01/03/2024
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa
-
Technical University Dresden (TU Dresden) Reports Findings in Chemical Physics (Benchmarking the accuracy of the separable resolution of the identity approach for correlated methods in the numeric atom-centered orbitals framework)
22/01/2024
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa