Mining von Materialdaten mittels Vektorrepräsentationen von Mikrostrukturen – Der Weg zur ganzheitlichen Untersuchung von mikrostrukturellen Triebkräften bei Degradationsprozessen

• Antragsteller: Dr.-Ing. Ali Riza Durmaz
• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 550126120

Die vorgeschlagene Arbeit zielt darauf ab, die Mikrostruktur einer polykristallinen Legierung in niedrigdimensionalen, aber expressiven Vektoren, sogenannten Embeddings, zu repräsentieren. Graph Neuronale Netze werden verwendet, um solche Repräsentationen zu erzeugen, die wiederum in nachgelagerten Aufgaben verwendet werden können. Zum Beispiel, um die Antwort eines Materials auf eine bestimmte mechanische Belastung vorherzusagen oder um Materialdesign zu betreiben. Während solche Vektordarstellungen heutzutage häufig in der Sprach- oder Bildverarbeitung verwendet werden, soll in diesem Projekt untersucht werden, ob die hochdimensionale Vollfeld-Mikrotextur auf ähnliche Weise behandelt und kodiert werden kann. Im Rahmen der Arbeit kombinieren wir einzigartige Kompetenzen auf dem Gebiet der 3D-Materialcharakterisierung und Datenverarbeitung sowie Datenverfügbarkeit in der Pollock-Gruppe der University of California, Santa Barbara mit den Kompetenzen des Antragstellers im Bereich des maschinellen Lernens mittels Graph Neuronaler Netze.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Beteiligte Institution: University of California, Santa Barbara
• Gastgeberin: Professorin Tresa M. Pollock, Ph.D.