AI revolutionerer materialevidenskab: Studerende udforsker nye veje!

AI revolutionerer materialevidenskab: Studerende udforsker nye veje!

AI bliver i stigende grad brugt som et værdifuldt værktøj i forskning i materialer og deres anvendelser. Et eksempel på dette er Studenterforskningsgruppen Materialeinformatik ved Materialeinstituttet, som producerer to engagerede studerende, Claas Hardt og Karina Kaidarova. Hardt, som er ved at færdiggøre sin kandidatgrad i miljøteknik, udviklede et AI-program til billedklassificering af mikrostrukturer af metalliske pulverpartikler. Dette innovative arbejde videreføres nu af Kaidarova i hendes bachelorafhandling, som fokuserer på et andet materiale fra en anden materialefamilie. Hun bruger resultaterne af Hardts arbejde og det udviklede AI-program til at nå sine egne forskningsmål. Dette viser den tætte sammenhæng mellem teori og praksis i materialevidenskab.

Student Research Group, ledet af Dr. Santiago Benito, fremmer ikke kun udveksling mellem studerende, men muliggør også potentielle fælles videnskabelige publikationer. Gruppen tilbyder en bred vifte af forskningsfelter, herunder mikrostrukturklassificering, som fremhæves som et af de fire hovedfokus i denne forskning. Kaidarova vurderer, at hun takket være Hardts forberedende arbejde ikke behøver at starte forfra, hvilket forkorter udviklingstiden for hendes forskning markant.

Innovative metoder til karakterisering af mikrostruktur

Gruppen "Advanced Microstructure Characterization", som er en del af forskningslandskabet, beskæftiger sig i dybden med den kvantitative analyse af den tredimensionelle materialestruktur. Denne forskning bruger både klassiske 2D-metoder og moderne tomografiske teknikker. Målet er at forstå materialernes fremstillingsprocesser og at identificere optimale strukturer for specifikke egenskaber. Arbejde med flerfaset stål og støbte aluminiumslegeringer er aktuelle projekter i denne gruppe. Særligt bemærkelsesværdigt er det tværfaglige samarbejde med datalogi om at udvikle innovative metoder til billedbehandling og strukturklassificering.

En afgørende fordel ved disse moderne analysemetoder er den omfattende karakterisering af materialestrukturen, som gør det muligt at drage konklusioner om de effektive materialeegenskaber. Dette fører til en bedre sammenhæng mellem forarbejdning og egenskaber, som er relevant for den videre udvikling af materialer.

Kunstig intelligens som en pioner for fremskridt

Kunstig intelligens spiller en stadig større rolle i materialevidenskab og ændrer fundamentalt den måde, materialer opdages og deres egenskaber studeres på. Udviklingen af ​​AI-understøttede processer fremmer innovation og effektivitet. AI kan massivt reducere den tid, det tager at opdage nye materialer, ofte med op til 70 procent, og samtidig opnå en forudsigelsesnøjagtighed på over 90 procent. AI bruges ikke kun til materialeopdagelse, men også til prædiktiv modellering af egenskaber og optimering af designprocesser. Dette har betydelige konsekvenser for den fremtidige udvikling inden for materialevidenskab, da processerne bliver hurtigere og mere præcise.

Kaidarova planlægger at fortsætte med at forske i materialer og AI efter sin bachelorafhandling og ser Student Research Group som en værdifuld platform for sin videnskabelige udvikling. Hardt sigter også mod at arbejde videre med emnet mikrostrukturklassificering i sin kandidatafhandling og vil forblive aktivt involveret i gruppen. Deres kollektive indsats viser ikke kun værdien af ​​tværfagligt samarbejde, men også de betydelige fremskridt, der kan gøres ved at anvende AI til materialevidenskab.

Disse udviklinger er ikke kun fremskridt for individuelle studerende, men kan også være afgørende for fremskridt på tværs af branchen. Studenterforskningsgruppen er et eksempel på drivkraften for innovation inden for materialeforskning, som er inspireret af moderne teknologier og videnskabeligt samarbejde.