Promovend sub auspiciis Michael Scherbela ist Mathematiker und Physiker. Sein Forschungsschwerpunkt liegt an der Schnittstelle zwischen Mathematik und Machine Learning, mit besonderem Fokus auf der Entwicklung von Methoden zur Berechnung von Wellenfunktionen mithilfe neuronaler Netze. Im Rahmen seiner Dissertation entwickelte Scherbela die Codebasis DeepErwin – ein Framework, das Deep Learning und Variational Monte Carlo-Methoden kombiniert, um die Energien kleiner Moleküle hochpräzise zu berechnen. Nach Abschluss des Masterstudiums der Physik mit Fokus auf computergestützten Methoden an der Technischen Universität Graz promovierte Scherbela bei Professor Philipp Grohs an der Fakultät für Mathematik der Universität Wien. Er war als Berater bei McKinsey & Co. tätig und arbeitet aktuell bei Isomorphic Labs an der Entwicklung von Deep Learning-Methoden für die Medikamentenentwicklung.

Wir gratulieren herzlichst!