Machine-Learning-Potenziale bieten oft einen Ausweg, wenn Elektronenstrukturrechnungen zu aufwendig sind und alternative Potenziale mit ausreichender Genauigkeit fehlen. In der Röntgenspektroskopie treiben neue Experimente die theoretische Methodenentwicklung an. Theoretische Untersuchungen tragen zudem zum grundsätzlichen Verständnis des Ladungs- und Energietransports in organischen Materialien bei. Machine-Learning-Potenziale Die genaue Beschreibung der atomaren Wechselwirkungen ist eine Voraussetzung für zuverlässige Molekulardynamik(MD)- und Monte-Carlo-Simulationen komplexer chemischer Vorgänge und Reaktionen. Während die Berechnung der...