Photo de la tête de Mohamad Moosavi

Seyed Mohamad Moosavi

Membre du corps professoral

Professeur adjoint, Département de génie chimique et de chimie appliquée, Faculté des sciences appliquées et de génie, Université de Toronto

Mohamad Moosavi est professeur adjoint de génie chimique et de chimie appliquée à l'Université de Toronto et membre du corps professoral de l'Institut Vector. Il dirige le groupe de recherche Intelligence Artificielle pour les Sciences Chimiques (AI4ChemS), dont les travaux portent sur l'utilisation de l'IA et des méthodes de calcul pour la découverte de matériaux avancés. Les recherches actuelles de son équipe sont axées sur le développement de MOF et de matériaux nanoporeux pour la capture et la conversion du carbone, contribuant ainsi au développement technologique d'un avenir durable. Avant d'entamer ses études, Mohamad a obtenu un baccalauréat en génie mécanique à l'Université de technologie Sharif (Iran), puis un doctorat en chimie et génie chimique à l'EPFL (Suisse), et a effectué un postdoctorat en mathématiques et en informatique à l'Université libre de Berlin (Allemagne).

Intérêts de recherche

  • apprentissage automatique
  • Optimisation
  • Modélisation générative

Publications

32 exemples d'applications du LLM en science des matériaux et en chimie : vers l'automatisation, les assistants, les agents et l'accélération de la découverte scientifique

Yoel Zimmermann, Adib Bazgir, Alexander Al-Feghali, Mehrad Ansari, Joshua Bocarsly, L. Catherine Brinson, Yuan Chiang, Defne Circi, Min-Hsueh Chiu, Nathan Daelman, Matthew L. Evans, Abhijeet S. Gangan, Janine George, Hassan Harb, Ghazal Khalighinejad, Sartaaj Takrim Khan, Sascha Klawohn, Magdalena Lederbauer, Soroush Mahjoubi, Bernadette Mohr, Seyed Mohamad Moosavi, Aakash Naik, Aleyna Beste Ozhan, Dieter Plessers, Aritra Roy, Fabian Schöppach, Philippe Schwaller, Carla Terboven, Katharina Ueltzen, Yue Wu, Shang Zhu, Jan Janssen, Calvin Li, Ian Foster et Ben Blaiszik

2025

CoRE MOF DB : une base de données expérimentale de réseaux métallo-organiques (MOF) soigneusement sélectionnée, dont les propriétés ont été apprises par machine pour une sélection intégrée des matériaux et des procédés.

Guobin Zhao, Logan M. Brabson, Saumil Chheda, Ju Huang, Haewon Kim, Kunhuan Liu, Kenji Mochida, Thang D. Pham, Prerna, Gianmarco G. Terrones, Sunghyun Yoon, Lionel Zoubritzky, François-Xavier Coudert, Maciej Haranczyk, Heather J. Kulik, Seyed Mohamad Moosavi, David S. Sholl, J. Ilja Siepmann, Randall Q. Snurr et Yongchul G. Chung

2025