Maschinelles Lernen für Defektphasen (A07*)

• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 409476157

Ziel des Projekts ist es, gemeinsam mit C02 als experimentellem Partner, EBSD auf der Größenskala zwischen Hochauflösung und Eigenschaftsmessung gezielt für die Forschung an Defektphasen nutzbar zu machen. Das Projekt wird eine Bibliothek simulierter EBSD-Muster für das Training von Netzwerken und die Identifizierung von Mustern in Verbindung mit experimentellen Proben erstellen. Im Rahmen des Projekts wird auch untersucht, wie maschinelles Lernen die EBSD-Analysemethoden erheblich verbessern kann, und der TimePix-Chip zur Messung der Elektronenenergie in die EBSD-Musteranalyse integriert.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1394: Strukturelle und chemische atomare Komplexität – Von Defekt-Phasendiagrammen zu Materialeigenschaften
• Antragstellende Institution: Rheinisch-Westfälische Technische Hochschule Aachen
• Teilprojektleiter: Professor Dr. Ulrich Kerzel