Moderne Gravitationswellenobservatorien wie LIGO, Virgo und KAGRA sowie zukünftige Projekte wie LISA sind unverzichtbare Werkzeuge für das Verständnis der physikalischen Prozesse, die im gesamten Universum ablaufen. Die Komplexität und die schiere Menge der von ihnen gelieferten Daten machen die Analyse jedoch zu einer rechnerisch anspruchsvollen Aufgabe. Ziel meiner Doktorarbeit ist es, die Analyse der Daten dieser Observatorien durch den Einsatz moderner Techniken des maschinellen Lernens, darunter die simulationsbasierte Inferenz (SBI), zu optimieren.

Photoaktive Moleküle mit präzise einstellbaren Absorptions- und Emissionseigenschaften spielen in Bereichen wie der Photokatalyse und der grünen Synthese eine Schlüsselrolle. Während diese Feinabstimmung herkömmlicherweise durch die Veränderung der Länge des π-konjugierten Chromophors erreicht wird, nutzen wir die Donor- Akzeptor-Substitution in kompakten aromatischen Bausteinen, um diese Abstimmung zu erreichen und zu verstehen, wie diese Moleküle bestimmte photochemische Prozesse antreiben.