Computational Materials Science (M.Sc.)

Computational Materials Science (M.Sc.)

Studienkonzept

Der sich ständig beschleunigende technologische Fortschritt der heutigen Gesellschaft erfordert Ingenieur:innen und Wissenschaftler:innen, die über fundierte Kenntnisse in den Natur- und Werkstoffwissenschaften verfügen und in der Lage sind, Programmierungs- und Simulationstechniken sowie Datenverarbeitung und -analyse anzuwenden.

Die Absolventen des Studiengangs "Computational Materials Science" werden zu Schlüsselfiguren in der industriellen Forschung und Entwicklung; sie gestalten die wissenschaftliche und ingenieurwissenschaftliche Forschung, die sich auf das Design, die Verarbeitung und die Anwendung neuartiger Hightech-Materialien mit überlegenen mechanischen, thermodynamischen und elektronischen Eigenschaften konzentriert.

An der TU Bergakademie Freiberg bringen wir renommierte Forschende und enthusiastische Dozierende aus verschiedenen wissenschaftlichen Gebieten zusammen, um unseren Studierenden die Ausbildung zu bieten, die sie für eine herausragende Karriere im Bereich Computational Materials Science (CMS) benötigen.

Theoretische Konzepte, die in den CMS-Vorlesungen vorgestellt werden, werden durch modernste Forschungsanwendungen veranschaulicht. Ein intensives Einführungsseminar bringt Studierende auf den neuesten Stand der wissenschaftlichen Programmierung und der modernen Computerumgebungen. Während der Forschungsseminare haben sie die Möglichkeit, sich mit führenden Wissenschaftler:innen und erfahrenen Ingenieur:innen bei den Industriepartnern auszutauschen. In begleitenden praktischen Übungen lernen Studierende die Anwendung aller relevanten modernen Simulationsmethoden - und das ist nur einer der wirklich herausragenden Aspekte dieses Studiengangs. In Wahlfächern werdet ihr in spezielle Themen des Computational Engineering/Mechanik eingeführt - oder auch in fortgeschrittene Themen des Data Mining und des maschinellen Lernens in der datengetriebenen Materialwissenschaft.

Unter anderem werdet ihr den theoretischen Hintergrund und die praktische Anwendung der folgenden numerischen/Simulationsmethoden erlernen:

• Lineare/nichtlineare Finite-Elemente-Methoden (FEM)
• Molekulare Statik und molekulare Dynamik (MS/MD)
• Maschinelles Lernen (ML), insbesondere Deep Learning (DL)
• Phasenfeld-Methoden (PFM)
• Statistische Analysemethoden
• Digitale Bildanalyse/Korrelation
• Monte-Carlo-Methoden (MC)
• Zellulare Automaten (CA)

CMS-Studenten gehören zu den besten 5 % ihres Jahrgangs, was ein intensives Studienumfeld mit hervorragenden Leistungen gewährleistet. Kleine Klassen fördern die Interaktion und Diskussionen und ermöglichen es, eure Ideen zu entwickeln. Darüber hinaus glänzt das Studienumfeld mit einem außergewöhnlichen Verhältnis von Lehrkräften zu der Gesamtzahl der eingeschriebenen Studenten.

Bitte beachten Sie, dass es sich um einen englischsprachigen Master-Studiengang handelt. Die Bewerbung erfolgt online über das Hochschulportal und ist für das Wintersemester möglich im Zeitraum vom 1. Januar bis 15. April.

Warum Computational Materials Science an der TUBAF studieren?

CMS ist ein einzigartiges multidisziplinäres Programm. Der Schwerpunkt von CMS liegt auf der Modellierung und Simulation von Materialverhalten auf verschiedenen Längenskalen. Hierfür wird auch programmiert, von kleineren Software-Tools über Code-Erweiterungen bis hin zu größeren Programmier-Projekten. Für wen eignet sich der Studiengang? Interessierte haben

• Interesse und Freude daran, Aufgaben und Probleme der Physik/Mechanik/Materialwissenschaften mit dem Computer zu lösen,
  
• wollen verstehen, wie sich Ingenieurwissenschaftliche Probleme mit einer mathematischen Beschreibung von physikalischen Gesetzen modellieren lassen und mit modernen Computermethoden lösen lassen,
  
• möchten Materialverhalten auf ganz unterschiedlichen Längenskalen simulieren, von der atomaren Ebene bis hin zu Strukturen im Großen.
  
• haben Interesse daran, theoretische Konzepte mit projektbezogenen Anwendungen zu verbinden.
  
• begeistern sich für KI-Methoden wie dem Maschinenlernen und insbesondere dem Deep Learning.
  
  

Voraussetzungen für das Studium

• Ein mindestens sechssemestriger erster berufsqualifizierender Hochschulabschluss (zum Beispiel Bachelorabschluss) in den Fachbereichen Maschinenbau, Bauingenieurwesen, Luft- und Raumfahrt, Materialwissenschaft, Physik, Angewandte Mathematik und Informatik oder in einem vergleichbaren Fachbereich
  
• Nachweis englischer Sprachkenntnisse durch einen anerkannten Sprachtest wie z.B. dem Test of English as a Foreign Language (TOEFL) mit mindestens 90 Punkten (internet-basierter Test) oder dem International English Language Test System (IELTS) mit einem Ergebnis von mindestens 6,5 oder einem äquivalenten Test mit entsprechendem Ergebnis zu erbringen. Die englische Sprache als Muttersprache (nicht Landes- bzw. Amtssprache) wird als äquivalent angerechnet.
  
  

Interessen und Fähigkeiten, die Sie mitbringen sollten

• Interesse und Kenntnisse in den naturwissenschaftlichen und ingenieurwissenschaftlichen Themenfeldern
• wissenschaftliches Denken und selbständiges Arbeiten
• eine gewisse „Computer-Affinität“
• Interesse für das Verhalten von Materialien
  
  

Berufsfelder