FoAIm - Kopplung komplexer, skalenübergreifender Schaum-Charakteristiken mithilfe von Methoden der Künstlichen Intelligenz
Der Einsatz von maschinellem Lernen (ML) bietet ein enormes Potential, die Charakterisierung von Werkstoffeigenschaften zu beschleunigen und dadurch den Einsatz neuer Materialien in zukünftigen Fahrzeugen erheblich zu erleichtern.
Der Einsatz von maschinellem Lernen (ML) bietet ein enormes Potential, die Charakterisierung von Werkstoffeigenschaften zu beschleunigen und dadurch den Einsatz neuer Materialien in zukünftigen Fahrzeugen erheblich zu erleichtern. In diesem Projekt soll durch die Kopplung von experimentellen und simulativen Daten, der Brückenschlag zwischen dem mikrostrukturellen Aufbau und den mechanischen Eigenschaften hergestellt werden und folglich der Charakterisierungsaufwand bei der Anwendungsüberführung signifikant reduziert werden.
