Raum: ZGH 02/115
Telefon: +49 (0)234-32-21439
E-Mail
Felix Thelen studierte Maschinenbau mit der Vertiefung Konstruktions- und Automatisierungstechnik an der Ruhr-Universität Bochum und machte 2020 seinen Bachelor- und 2022 seinen Masterabschluss. Ende 2022 begann er seine Promotion am Lehrstuhl für Neue Materialien und Grenzflächen auf dem Gebiet autonomer Experimente. Dabei werden Algorithmen des maschinellen Lernens genutzt, um die Messung verschiedenster Materialeigenschaften signifikant zu beschleunigen. Seit 2024 arbeitet er auf dem ERC DEMI Projekt, das neuartige Elektrokatalysatoren für wichtige Energieumwandlungsreaktionen erforscht. Ziel ist es, mithilfe von Künstlicher Intelligenz, Hochdurchsatzmethoden und theoretischer Modellierung gezielt besonders stabile und leistungsfähige Materialkombinationen zu identifizieren.
F. Thelen, R. Zehl, R. Zerdoumi, J.L.Bürgel, L. Banko, W. Schuhmann, A. Ludwig (2025)
Accelerating Combinatorial Electrocatalyst Discovery with Bayesian Optimization: a Case Study in the Quaternary System Ni-Pd-Pt-Ru for the Oxygen Evolution Reaction
Advanced Science, 2025, e07302, DOI: 10.1002/advs.202507302
F. Thelen, F. Lourens, A. Ludwig (2025)
Accelerating Surface Composition Characterization of Thin-Film Materials Libraries Using Multi-Output Gaussian Process Regression
Advanced Intelligent Discovery, 2025, 202500062, DOI: 10.1002/aidi.202500062
J.L. Bürgel, R. Zehl, F. Thelen, R. Zerdoumi, O.A. Krysiak, B. Kohnen, E. Suhr, W. Schuhmann, A. Ludwig (2025)
Exploration of nanostructured high-entropy alloys for key electrochemical reactions: a comparative study for the solid solution systems Cu-Pd-Pt-Ru, Ir-Pd-Pt-Ru and Ni-Pd-Pt-Ru
Faraday Discussions, 2025, Accepted Manuscript, DOI: 10.1039/D5FD00082C
F. Thelen, R. Zehl, J.L. Bürgel, D. Depla, A. Ludwig (2025)
A python-based approach to sputter deposition simulations in combinatorial materials science
Surface and Coatings Technology, 2025, Vol. 503, p. 131998, DOI: 10.1016/j.surfcoat.2025.131998
F. Thelen, L. Banko, R. Zehl, S. Baha, A. Ludwig (2023)
Speeding up high-throughput characterization of materials libraries by active learning: autonomous electrical resistance measurements
Digital Discovery, 2023, Vol. 2, p. 1612-1619, DOI: 10.1039/D3DD00125C
E. Suhr, O. Krysiak, V. Strotkötter, F. Thelen, W. Schuhmann, A. Ludwig (2023)
High-Throughput Exploration of Structural and Electrochemical Properties of the High-Entropy Nitride System (Ti–Co–Mo–Ta–W)N
Adv. Eng. Mater.2023, 2300550, DOI: 10.1002/adem.202300550
Copyright © mdi 2025
Letzte Änderung: 02. Jul. 2025
