Vorhersage
Größe in der Materialwissenschaft
Material-Eigenschafts-Vorhersagen

Material-Eigenschafts-Vorhersagen basieren auf Simulationen und statistischen Modellen, um das Verhalten von Werkstoffen präzise abzubilden. Diese Methode unterstützt die gezielte Entwicklung von Materialien mit maßgeschneiderten Leistungsmerkmalen.

Verwandte Tags

atomistisches Modell
datengetriebene Methoden
Graphenneuronale Netzwerke
Deep Learning
Super-Auflösung
Erklärbare KI
Bildvorverarbeitung
Permanentmagnete
Bildsegmentierung
Defekterkennung
Lithium-Ionen-Batterien
Mikroskopie
Bildanalyse
Gefüge-Analyse
Unsicherheitsquantifizierung
Digitalisierung & Künstliche Intelligenz
Werkstoffinformatik
Viskoplastizität
Gaußsche Prozessregression
Dauermagnete
hexagonales Bornitrid
3D Materials Data
elastisch-plastische Deformation
Mikrorisse
kohäsives Zonenmodell
Computertomographie (CT)
Spritzgießen
Keramikkomposite
Dichtwerdung
Korngrößenverteilung
Faserorientierung
Intergranularer Riss
Finite-Elemente-Modelle

Neues

Lecture
04.04.2025
Data-driven approaches in materials science and microscopy: From image quality to material properties
Jansche, A. (Speaker)¹; Krawczyk, P.¹; Deeg, P.¹; Rathod, K.¹; Choudhary, A.K.¹; Bernthaler, T.¹; Goll, D.¹; Schneider, G.¹
MaterialsWeek 2025
Plenary Lecture
29.09.2022
Machine Learning for Materials Property Prediction
Morgan, D. (Speaker)¹
MSE 2022
Lecture
27.09.2022
Atomistic Line Graph Neural Network for improved materials property predictions
Choudhary, K. (Speaker)¹
MSE 2022

Beliebt

Plenary Lecture
29.09.2022
Machine Learning for Materials Property Prediction
Morgan, D. (Speaker)¹
MSE 2022
Lecture
27.09.2022
Atomistic Line Graph Neural Network for improved materials property predictions
Choudhary, K. (Speaker)¹
MSE 2022
Lecture
04.04.2025
Data-driven approaches in materials science and microscopy: From image quality to material properties
Jansche, A. (Speaker)¹; Krawczyk, P.¹; Deeg, P.¹; Rathod, K.¹; Choudhary, A.K.¹; Bernthaler, T.¹; Goll, D.¹; Schneider, G.¹
MaterialsWeek 2025

© 2025