Simulation of Semiconductor Properties

Worum geht's

In diesem Modul lernst du, hochgenaue Simulationen von Halbleitermaterialien durchzuführen und die Ergebnisse zu analysieren. Du setzt Dichtefunktionaltheorie (DFT) zur Berechnung elektronischer Eigenschaften ein und wendest grundlegende Machine-Learning-Methoden zur Unterstützung und Beschleunigung materialwissenschaftlicher Fragestellungen an. Am Ende kannst du DFT-Simulationen durchführen, elektronische Eigenschaften auswerten und einfache ML-Modelle zur Materialforschung nutzen.

Was du danach kannst

• Grundkonzepte der Dichtefunktionaltheorie verstehen
• DFT-Simulationen mit existierenden Software-Tools durchführen (z.B. QuantumEspresso)
• Elektronische Eigenschaften von Halbleitermaterialien analysieren
• Grundkonzepte verschiedener Machine-Learning-Architekturen verstehen
• ML-Techniken in der Halbleiter-Materialforschung anwenden

Aus was das Modul besteht

• VorlesungenVermittlung der theoretischen Grundlagen zu DFT und ML, gestützt durch elektronische Präsentationen und Diskussionen
• Tutorien/ÜbungenPraktische Anwendung von DFT- und ML-Tools, Präsentation und Diskussion der Implementierungen
• Selbstständige Projekte und HausaufgabenAnwendung des Gelernten in vorlesungsbegleitenden Projekten und Bearbeitung von Aufgaben

Lehrmethode

• aktive Teilnahme und Diskussionfördert Verständnis durch Austausch und Erklärungen unter Studierenden
• Umgekehrtes Klassenzimmer (Flipped Classroom)ermöglicht vertiefte Auseinandersetzung mit schwierigen Konzepten außerhalb der Vorlesung
• personalisierte Lehrmethodenunterstützt individuelles Lernen und Erreichen der Lernziele