マティアス・シェフラー | |
|---|---|
| 生まれる | (1951年6月25日)1951年6月25日 |
| 教育 | ベルリン工科大学 |
| 科学者としてのキャリア | |
| 機関 | 物理技術連邦フリッツ・ハーバー研究所 マックス・プランク協会カリフォルニア大学サンタバーバラ校 |
| 論文 | Winkelaufgelöste Photoemission von Adsorbierten Schichten (1978) |
| 博士課程の指導教員 | 神部 京三郎[ 1 ] |
| Webサイト | NOMAD研究所 |
マティアス・シェフラー(1951年6月25日、ベルリン生まれ)は、ドイツの理論物理学者であり、その研究は物性理論、材料科学、人工知能に焦点を当てています。特に、密度汎関数理論と多電子量子力学への貢献、そしてマルチスケールアプローチの開発で知られています。後者においては、電子構造理論を熱力学および統計力学と融合させ、工学の数値的手法も用いています。彼の訴えである「Get Real!」に要約されているように、彼は環境要因(例えば、分圧、堆積速度、温度など)を第一原理計算に導入しました。[ 2 ]近年、彼はデータ中心の科学的概念と手法(材料科学の第4のパラダイム)[ 3 ] [ 4 ]にますます重点を置き、材料科学データを「見つけやすく、人工知能に対応できる」ものにするという目標に取り組んでいます。
シェフラーはベルリン工科大学(TU)で物理学を学び、マックス・プランク協会(FHI)のフリッツ・ハーバー研究所において理論固体物理学の分野で博士研究を行い、1978年にベルリン工科大学から博士号を取得しました。その後、ブラウンシュヴァイクの物理工科大学に移り、1978年から1987年まで研究員として勤務しました。 1979年から1980年にかけては、米国ヨークタウン・ハイツにあるIBM TJワトソン研究所の客員研究員も務めました。 1984年にベルリン工科大学から 博士号を取得しました。
1988年、マックス・プランク協会の学術会員に任命され、ベルリンのマックス・プランク協会フリッツ・ハーバー研究所理論部門の初代所長となった。翌年、ベルリン工科大学の名誉教授に就任。その後も、ベルリン自由大学(2006年)、ベルリン・フンボルト大学(2016年)、北海道大学(2016年)の名誉教授を歴任。また、2005年よりカリフォルニア大学サンタバーバラ校の計算材料科学・工学の特別客員教授も務める。 2020年より、FHIのNOMAD研究所所長を務める。[ 5 ]
シェフラー氏は、キャリアの初めから、表面、界面、クラスター、ナノ構造の化学的および物理的特性の基礎的側面に取り組んできました。現在の研究活動には、不均一触媒、熱伝導率、電気伝導率、熱電材料、半導体の欠陥、無機/有機ハイブリッド材料、生物物理学の研究が含まれます。これらは、量子力学、電子構造の第一原理計算、分子動力学を熱力学、統計力学、工学の手法と組み合わせた研究です。このようにして、メソスコピック現象とマクロスコピック現象への理解を、現実的な条件下 ( T、p ) で発展させたり深めたりすることができます。シェフラー氏はまた、励起状態と電子相関を計算するための理論モデルの開発にも取り組んでいます。この目的のためにシェフラー氏がフォルカー・ブルム氏や他の多くの研究者と共同で開発したソフトウェアパッケージFHI-aims は、特に高性能コンピュータでの大規模計算用に設計されました。[ 6 ]シェフラーは、応用との関連性の高い様々な種類の材料(化合物半導体、金属、酸化物、二次元材料、有機材料、表面など)を研究するとともに、実用に直接関連する幅広い現象(結晶構造と成長、電子材料特性、半導体中の不純物の準安定性、電気伝導性と熱伝導性、不均一触媒など)の開発に成功している。
シェフラー氏の元従業員のうち115人以上が現在、教授職または同等の地位に就いています。シェフラー氏は、同分野において最も引用数の多い科学者の一人です。[ 7 ]
2003年以来、シェフラーと彼のグループは人工知能手法の開発に取り組んでおり、科学的データ共有活動にもますます積極的に参加しています。世界中で材料に関する膨大な量の科学的データが生成されていますが、実際に使用され公開されているのはそのうちのほんの一部にすぎません。多くの場合、データは適切に特徴付けられず、説明されておらず、ほとんどのデータは進行中の集中的な研究プロジェクトには役立たないため、それ以上検討されません。しかし、それらのデータには他のトピック(「廃棄物をリサイクル!」)に関する貴重な情報が含まれている可能性があります。[ 3 ]計算材料科学のために、シェフラーはクラウディア・ドラクスルと共同で、研究データを適切に文書化して保存し、他の研究者も研究データを利用できるデータベースを設計および構築しました。
データの詳細な記述と入手可能性により、人工知能の手法を適用し、新しい有利な特性を持つ材料を特定することができます。[ 8 ]これまでは基礎研究から市場投入可能な製品まで、非常に長い時間を要していた新材料開発における価値創造プロセスは、このようにして大幅に短縮されます。
{{citation}}: CS1 maint: ISBNによる作業パラメータ(リンク)