AI revolutionerar materialvetenskap: Studenter utforskar nya vägar!

AI revolutionerar materialvetenskap: Studenter utforskar nya vägar!

AI används alltmer som ett värdefullt verktyg i forskning om material och deras tillämpningar. Ett exempel på detta är Studentforskningsgruppen Materialinformatik vid Materialinstitutet som producerar två engagerade studenter, Claas Hardt och Karina Kaidarova. Hardt, som avslutar sin masterexamen i miljöteknik, utvecklade ett AI-program för bildklassificering av mikrostrukturer av metalliska pulverpartiklar. Detta innovativa arbete fortsätter Kaidarova nu i hennes kandidatuppsats, som fokuserar på ett annat material från en annan materialfamilj. Hon använder resultaten av Hardts arbete och det utvecklade AI-programmet för att nå sina egna forskningsmål. Detta visar det nära sambandet mellan teori och praktik inom materialvetenskap.

Studentforskningsgruppen, ledd av Dr. Santiago Benito, främjar inte bara utbyte mellan studenter, utan möjliggör också potentiella gemensamma vetenskapliga publikationer. Gruppen erbjuder ett brett spektrum av forskningsområden, inklusive mikrostrukturklassificering, vilket lyfts fram som ett av de fyra huvudfokuserna för denna forskning. Kaidarova uppskattar att hon, tack vare Hardts förarbete, inte behöver börja om från början, vilket avsevärt förkortar utvecklingstiden för hennes forskning.

Innovativa metoder för karakterisering av mikrostruktur

Gruppen ”Advanced Microstructure Characterization”, som är en del av forskningslandskapet, behandlar på djupet den kvantitativa analysen av den tredimensionella materialstrukturen. Denna forskning använder både klassiska 2D-metoder och moderna tomografiska tekniker. Syftet är att förstå materialens tillverkningsprocesser och att identifiera optimala strukturer för specifika egenskaper. Arbete med flerfasstål och gjutna aluminiumlegeringar är aktuella projekt i denna grupp. Särskilt anmärkningsvärt är det tvärvetenskapliga samarbetet med datavetenskap för att utveckla innovativa metoder för bildbehandling och strukturklassificering.

En avgörande fördel med dessa moderna analysmetoder är den omfattande karakteriseringen av materialstrukturen, vilket gör det möjligt att dra slutsatser om de effektiva materialegenskaperna. Detta leder till en bättre korrelation mellan bearbetning och egenskaper, som är relevant för vidareutveckling av material.

Artificiell intelligens som en pionjär för framsteg

Artificiell intelligens spelar en allt större roll inom materialvetenskap och förändrar i grunden hur material upptäcks och deras egenskaper studeras. Utvecklingen av AI-stödda processer främjar innovation och effektivitet. AI kan avsevärt minska tiden det tar att upptäcka nya material, ofta med upp till 70 procent, samtidigt som man uppnår en förutsägelsenoggrannhet på över 90 procent. AI används inte bara för materialupptäckt, men också för prediktiv modellering av egenskaper och optimering av designprocesser. Detta har betydande konsekvenser för den framtida utvecklingen inom materialvetenskap eftersom processerna blir snabbare och mer exakta.

Kaidarova planerar att fortsätta forska om material och AI efter sin kandidatuppsats och ser Student Research Group som en värdefull plattform för sin vetenskapliga utveckling. Hardt siktar också på att fortsätta arbeta med ämnet mikrostrukturklassificering i sin magisteruppsats och kommer att förbli aktivt involverad i gruppen. Deras kollektiva ansträngningar visar inte bara värdet av tvärvetenskapligt samarbete, utan också de betydande framsteg som kan göras när det gäller att tillämpa AI på materialvetenskap.

Denna utveckling är inte bara framsteg för enskilda elever, utan kan också vara avgörande för framsteg inom branschen. Studentforskargruppen är ett exempel på drivkraften för innovation inom materialforskning, som är inspirerad av modern teknologi och vetenskapligt samarbete.