
Milica
Todorovic
Assistant Professor, Materials Engineering
Areas of expertise
computational materials science
first principles simulations
hybrid organic/inorganic materials
surface science
artificial intelligence
data science
Bayesian optimization
Teaching
I teach computational science courses for the MSc programme in Materials Engineering. I also teach the interdisciplinary MSc course "Machine Learning for Materials Science".
Research
My research focuses of first-principles simulations of advanced materials, with the objective to optimize their functional properties and performance in devices. The latest algorithms from computer science and artificial intelligence allow me to pursue data-smart approaches to materials design. In addition to materials science, physics and chemistry research, I have implemented data-driven solutions across disciplines, from aerosol research to chemical engineering bio-based materials, from computation to experiment.
Publications
Atomic structures, conformers and thermodynamic properties of 32k atmospheric molecules (2023)
Scientific Data
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Updates to the DScribe library: New descriptors and derivatives (2023)
Journal of Chemical Physics
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Exploring the Conformers of an Organic Molecule on a Metal Cluster with Bayesian Optimization (2023)
Journal of Chemical Information and Modeling
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Molecular Conformer Search with Low-Energy Latent Space (2022)
Journal of Chemical Theory and Computation
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Machine learning sparse tight-binding parameters for defects (2022)
npj Computational Materials
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Compositional engineering of perovskites with machine learning (2022)
Physical Review Materials
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Protective Coating Interfaces for Perovskite Solar Cell Materials: A First-Principles Study (2022)
ACS Applied Materials and Interfaces
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Machine Learning Optimization of Lignin Properties in Green Biorefineries (2022)
ACS Sustainable Chemistry and Engineering
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Machine learning as a tool to engineer microstructures: Morphological prediction of tannin-based colloids using Bayesian surrogate models (2022)
MRS Bulletin
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Efficient modeling of organic adsorbates on oxygen-intercalated graphene on Ir(111) (2022)
Physical Review B
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))