AI revolusjonerer materialvitenskap: Studentene utforsker nye veier!

AI revolusjonerer materialvitenskap: Studentene utforsker nye veier!

AI blir i økende grad brukt som et verdifullt verktøy i forskning på materialer og deres anvendelser. Et eksempel på dette er Studentforskningsgruppen Materialinformatikk ved Materialinstituttet, som produserer to engasjerte studenter, Claas Hardt og Karina Kaidarova. Hardt, som fullfører sin mastergrad i miljøteknikk, utviklet et AI-program for bildeklassifisering av mikrostrukturer av metalliske pulverpartikler. Dette nyskapende arbeidet videreføres nå av Kaidarova i sin bacheloroppgave, som fokuserer på et annet materiale fra en annen materialfamilie. Hun bruker resultatene av Hardts arbeid og det utviklede AI-programmet for å nå sine egne forskningsmål. Dette viser den nære sammenhengen mellom teori og praksis i materialvitenskap.

Student Research Group, ledet av Dr. Santiago Benito, fremmer ikke bare utveksling mellom studenter, men muliggjør også potensielle felles vitenskapelige publikasjoner. Gruppen tilbyr et bredt spekter av forskningsfelt, inkludert mikrostrukturklassifisering, som fremheves som et av de fire hovedfokusene i denne forskningen. Kaidarova anslår at hun, takket være Hardts forarbeid, ikke trenger å starte fra bunnen av, noe som forkorter utviklingstiden for forskningen hennes betydelig.

Innovative metoder for karakterisering av mikrostruktur

Gruppen «Advanced Microstructure Characterization», som er en del av forskningslandskapet, tar for seg den kvantitative analysen av den tredimensjonale materialstrukturen. Denne forskningen bruker både klassiske 2D-metoder og moderne tomografiske teknikker. Målet er å forstå produksjonsprosessene til materialene og å identifisere optimale strukturer for spesifikke egenskaper. Arbeid med flerfasestål og støpte aluminiumslegeringer er aktuelle prosjekter i denne gruppen. Spesielt bemerkelsesverdig er det tverrfaglige samarbeidet med informatikk for å utvikle innovative metoder for bildebehandling og strukturklassifisering.

En avgjørende fordel med disse moderne analysemetodene er den omfattende karakteriseringen av materialstrukturen, som gjør det mulig å trekke konklusjoner om de effektive materialegenskapene. Dette fører til en bedre korrelasjon mellom prosessering og egenskaper, som er relevant for videreutvikling av materialer.

Kunstig intelligens som en pioner for fremskritt

Kunstig intelligens spiller en stadig større rolle i materialvitenskap og endrer fundamentalt måten materialer oppdages og deres egenskaper studeres på. Utviklingen av AI-støttede prosesser fremmer innovasjon og effektivitet. AI kan massivt redusere tiden det tar å oppdage nye materialer, ofte med opptil 70 prosent, samtidig som den oppnår prediksjonsnøyaktighet på over 90 prosent. AI brukes ikke bare til materialoppdagelse, men også for prediktiv modellering av egenskaper og optimalisering av designprosesser. Dette har betydelige implikasjoner for fremtidig utvikling innen materialvitenskap ettersom prosessene blir raskere og mer presise.

Kaidarova planlegger å fortsette å forske på materialer og AI etter bacheloroppgaven og ser på Student Research Group som en verdifull plattform for sin vitenskapelige utvikling. Hardt har også som mål å jobbe videre med temaet mikrostrukturklassifisering i sin masteroppgave og vil fortsatt være aktivt involvert i gruppen. Deres kollektive innsats demonstrerer ikke bare verdien av tverrfaglig samarbeid, men også de betydelige fremskrittene som kan gjøres med å bruke AI til materialvitenskap.

Denne utviklingen er ikke bare fremskritt for individuelle studenter, men kan også være avgjørende for fremskritt på tvers av bransjen. Studentforskningsgruppen er et eksempel på drivkraften for innovasjon innen materialforskning, som er inspirert av moderne teknologier og vitenskapelig samarbeid.