Mit einem renommierten APART-USA-Stipendium der Österreichischen Akademie der Wissenschaften wechselte Dr. Popescu an die Universität Wien und etabliert nun an der Fakultät für Chemie ein Forschungsprogramm an der Schnittstelle von Photochemie, computergestützten Methoden und Data Science. Sein Ziel ist es, allgemeine Designprinzipien zu identifizieren, die Syntheseprozesse schneller und nachhaltiger machen, mit einem besonderen Schwerpunkt auf der Entwicklung neuer katalytischer Strategien. Dabei bedient er sich des gesamten Instrumentariums der modernen Chemie und kombiniert experimentelle Synthese mit quantenchemischer Modellierung und datengesteuerten Ansätzen.
Eine Symbiose von Theorie und Experiment
Mihais wissenschaftliche Grundhaltung ist integrativ. Während die chemische Forschung traditionell zwischen Experimentalchemie und theoretischer Chemie unterscheidet, versteht er sich als interdisziplinär arbeitender Wissenschaftler, der in beiden Bereichen zu Hause ist.
„Ich war schon immer von der experimentellen und der theoretischen Seite der Chemie gleichermaßen fasziniert und sehe sie als komplementäre Welten“, erklärt er. „Ziel ist es, beide Perspektiven in jedes Forschungsproblem einzubeziehen, um photochemische Reaktionen besser zu verstehen und ihre Entdeckung zu beschleunigen. Wir nutzen quantenmechanische Modellierung, um zu verstehen, was wir im Labor beobachten, und experimentelle Daten, um bessere Modelle zu entwickeln.“
Sein Forschungsschwerpunkt ist die Photochemie, bei der Licht als sauberes Reagenz chemische Reaktionspfade eröffnet, die mit traditioneller Thermochemie oft nicht zugänglich sind. Durch die Untersuchung dieser elementaren Schritte will seine Gruppe neue katalytische Strategien mit praktischen Anwendungen in der Pharma- und Feinchemikalienindustrie entwickeln.
Data Science als Kompass für Entdeckungen
Ein zentrales Element seiner Arbeit ist der Einsatz von Data Science und Machine Learning (ML). Mihai Popescu verfolgt dabei einen ausgewogenen und reflektierten Ansatz. Für ihn sind ML-Modelle kein „Black Box“-Ersatz für wissenschaftliche Intuition, sondern Werkzeuge, um das Reaktionsdesign präziser und vorhersagbarer zu machen.
Durch die direkte Einbindung mechanistischer chemischer Merkmale in die Modellentwicklung setzt seine Gruppe auf physikbasierte ML-Modelle. Damit stellt sie sicher, dass die Vorhersagen nicht nur präzise, sondern auch interpretierbar sind und auf grundlegenden chemischen Prinzipien beruhen. Ein zentrales Ziel seiner Arbeit ist es, chemische Prozesse vorhersehbarer zu machen und durch das Zusammenspiel von Experiment, Theorie und Daten das chemische Verständnis zu vertiefen.
Von Oxford und Colorado nach Wien
Der akademische Werdegang von Dr. Popescu ist geprägt von Spitzenforschung an international führenden Institutionen. Nach seinem Abschluss als Jahrgangsbester an der University of Manchester promovierte er an der University of Oxford zu photochemischen Reaktionsmechanismen. Anschließend wechselte er an die Colorado State University, wo er mehrere Jahre als Postdoctoral Fellow und Research Scientist in der Arbeitsgruppe von Prof. Robert Paton tätig war und sich auf quantenchemische Modellierung sowie maschinelles Lernen in der organischen Chemie spezialisierte.
Nun freut er sich darauf, seine Forschungsgruppe in Wien aufzubauen. „Nach Europa zurückzukehren und meine eigene Gruppe zu starten, ist ein großer Schritt“, sagt Popescu. „Die Fakultät für Chemie, mit ihrer starken Expertise sowohl in der experimentellen als auch in der theoretischen Chemie, bietet das ideale Umfeld, um meine interdisziplinäre Forschung weiterzuentwickeln.“
- Webseite der Popescu Research Group
- Neun US-Forscher*innen kommen an die Universität Wien (Pressemeldung Universität Wien, 04.11.2025)
