KI4MaterialModeling

Simulationen sind ein unverzichtbarer Bestandteil der modernen Materialentwicklung, denn sie ermöglichen die Vorhersage von Materialeigenschaften. Digitale Modelle sind hierfür unentbehrlich, aber die genaue Trennung von Materialphasen auf verschiedenen Längenskalen ist entscheidend für genaue Eigenschaftssimulationen. Aktuelle Methoden zur Modellerstellung sind die Computer Tomographie (CT-Scans) und computergenerierte Modelle. Beide Methoden sind mit Einschränkungen verbunden, die zu Fehlern in den Modellen führen. CT-Scans sind immer einen Kompromiss zwischen Auflösung und Scangröße und unvermeidliche Bildartefakte führen zu Unsicherheiten bei der Segmentierung der Materialphasen. Computergenerierte Modelle erfordern für eine präzise Modellierung eine hohe Parameteranzahl, wobei Unsicherheit bei der Parameterermittlung bestehen. In KI4MaterialModeling soll zusammen mit dem Math2Market die Lücke zwischen diesen Methoden durch den Einsatz der Künstlichen Intelligenz (KI) geschlossen werden. Der KI-basierte Arbeitsablauf umfasst drei KI-Tool: (1) Erzeugung synthetischer CT-Daten zum Trainieren einer KI, (2) KI zur Verbesserung des Kompromisses zwischen Probengröße und Auflösung in CT-Scans (3) und KI zur Objekterkennung in CT-Daten. Dieser Arbeitsablauf verbessert die Ezienz der Materialanalyse und –entwicklung erheblich.

Die Anwendungen umfassen:

• Unterstützung der Segmentierung und Objekterkennung in CT-Daten, um ein hochwertiges Geometriemodell zu erhalten
• Automatisierte Extraktion von Strukturinformationen aus CT-Daten für die Erstellung synthetischer Modelle
• Kombination von CT-Daten mit synthetischen Daten zur Erstellung eines Hybridmodells mit großem Volumen und hoher Auflösung

Ziel des Projekts ist es, die Lücke zwischen synthetisch erzeugten Geometriemodellen und aus CT-Daten abgeleiteten Geometriemodellen durch den systematischen Einsatz von KI-Methoden zu schließen.