Am 1. September 2025 hat Dr. Yousef Heider die Professur für Künstliche Intelligenz in der Mechanik an der Universität Kassel übernommen. Diese wichtige Position erlaubt es ihm, seine umfangreiche Expertise im Bereich der Künstlichen Intelligenz und des maschinellen Lernens in die Lehre und Forschung einzubringen. Zuvor war Heider seit Oktober 2023 als Oberingenieur am Institut für Baumechanik und Numerische Mechanik der Leibniz Universität Hannover tätig. Mit einem beeindruckenden Werdegang, der unter anderem eine Habilitation im Jahr 2021 im Fach Mechanik umfasst, bringt Heider einen reichen Erfahrungshorizont mit in seine neue Rolle.
Seine Schwerpunkte an der Universität Kassel sind unter anderem datengetriebene und maschinelles Lernen-gestützte Modellierungen in der Material- und Strukturmechanik, inverse Materialdesignprozesse sowie physik-informiertes maschinelles Lernen. Diese Bereiche sind besonders relevant in einer Zeit, in der innovative Ansätze in der Materialwissenschaft stark gefragt sind.
Neueste Entwicklungen in der Materialmechanik
<pAktuelle Fortschritte in der Materialmechanik verdeutlichen die Relevanz von Heiders Arbeit. Das Max-Planck-Institut für Eisenforschung (MPIE) hat in Zusammenarbeit mit DeepMetis ein neuartiges tiefenneuronales Netz entwickelt, das dazu dient, das mechanische Verhalten komplexer Materialien vorherzusagen. Diese Technologie kann lokale Spannungen bis zu 8300 Mal schneller berechnen als herkömmliche Solver, was einen signifikanten Fortschritt in der Simulation von Materialien darstellt. Forscher glauben, dass dieser innovative Ansatz traditionelle Lösungsmethoden ersetzen könnte und das Verständnis von Multiskalen- und Multiphysik-Problemen wesentlich verbessern wird, wie MPIE berichtet.
Das neuronale Netz lernt aus vorberechneten Daten und ist in der Lage, unbekannte Simulationskonfigurationen effizient vorherzusagen. Ein entscheidender Vorteil ist, dass der neue Solver keine iterative Lösungsmethode benötigt, was die Rechenzeit erheblich reduziert.
Innovationen beim inversen Design von Materialien
Zudem wird Deep Learning zunehmend für das inverse Design von Metamaterialien eingesetzt. Ziel dieser Forschung ist die Entwicklung von Materialstrukturen, die spezifischen funktionalen Anforderungen entsprechen, wie beispielsweise multifunktionale, poröse Materialien. Der 3D-Variations-Autoencoder (VAE) ermöglicht hierbei eine präzisere und anpassungsfähigere Entwicklung neuer Mikrostrukturen im Vergleich zu herkömmlichen Verfahren. Diese Ansätze sind eng mit aktuellen Innovationen im 3D-Druck verbunden, was die Entwicklung neuartiger, multifunktionaler Materialien vorantreibt.
Beteiligt an diesen Projekten sind mehrere Wissenschaftler, darunter Elsayed Saber Elsayed, M. Sc., Jannik Christian Jarms, M. Sc., Phu Thien Nguyen, M. Sc., und Alexandros Tragoudas, M. Sc., wie wissenhochn.de herausstellt.
Durch die Kombination von Künstlicher Intelligenz mit innovative Techniken in der Materialmechanik und -design hat Dr. Yousef Heider das Potenzial, bedeutende Fortschritte in der gesamten Branche zu erzielen. Seine Arbeit an der Universität Kassel wird sicherlich einen nachhaltigen Einfluss auf die zukünftige Forschung und Lehre in diesem dynamischen Bereich haben.