Materialentwurf in der Technik
Datengetriebene Materialgestaltung

Die datengetriebene Materialgestaltung nutzt umfangreiche Datensätze und Algorithmen, um neue Werkstoffe zu entwickeln und vorhandene Materialeigenschaften gezielt zu optimieren. Durch maschinelles Lernen und Simulationen werden Materialdesignprozesse beschleunigt und präzisiert.

Verwandte Tags

Bayes-Optimierung
Ersatzmodelle
aktives Lernen
Digitalisierung & Künstliche Intelligenz
Material- & Werkstoffkenntnisse
Materialinformatik
Künstliche Intelligenz
inverse Gestaltung
Materialcharakterisierung & -prüfung
Werkstoffentdeckung
Prozess- & Fertigungstechnologien
Forschung und Entwicklung
Experimentelle Validierung
semantische Segmentierung
Datengetriebene Gestaltung
Materialbeschleunigungsplattform
Thermodynamik
Gefüge-Analyse
Quantitative Gefügeanalyse
konstitutive Modellierung
Deep Learning
Kornorientierung
Generatives Modell
Werkstoffcharakterisierung
zirkuläre Materialien
Unsicherheitsquantifizierung
Prozess-Gefüge-Eigenschaftskorrelationen
Datengetriebene Modelle
Dichte Funktionaltheorie
Große Sprachmodelle

Neues

Poster
Stable Diffusion for the Inverse Design of Microstructures
Zhang, Y.¹; Dai, M. (Speaker)¹; Long, T.²; Zhang, H.¹
AI MSE 2025
Lecture
25.09.2025
Accelerating Alloy Discovery through Autonomous Multi-Objective Optimisation and Integrated ICME Frameworks
Mamun, O.¹; Saikia, U.¹; Mukherjee, A.¹; Tappe, A.¹; Ebna Hai, B.S.M. (Speaker)¹
NextGen Materials 2025: The Convergence of Living Essence and Engineered Innovation
Lecture
04.04.2025
Scalable microstructure analysis - new opportunities in microstructure-based and data-driven material design through artificial intelligence
Bachmann, B.-I. (Speaker)¹; Britz, D.¹; Mücklich, F.²; Müller, M.¹; Staudt, T.³; Stiefel, M.¹
MaterialsWeek 2025
Invited Lecture
23.11.2023
Active learning for data-efficient optimisation of materials and processes
Todorović, M. (Speaker)¹
Conference on Artificial Intelligence in Materials Science and Engineering - AI MSE 2023

Beliebt

Poster
Stable Diffusion for the Inverse Design of Microstructures
Zhang, Y.¹; Dai, M. (Speaker)¹; Long, T.²; Zhang, H.¹
AI MSE 2025
Lecture
25.09.2025
Accelerating Alloy Discovery through Autonomous Multi-Objective Optimisation and Integrated ICME Frameworks
Mamun, O.¹; Saikia, U.¹; Mukherjee, A.¹; Tappe, A.¹; Ebna Hai, B.S.M. (Speaker)¹
NextGen Materials 2025: The Convergence of Living Essence and Engineered Innovation
Invited Lecture
23.11.2023
Active learning for data-efficient optimisation of materials and processes
Todorović, M. (Speaker)¹
Conference on Artificial Intelligence in Materials Science and Engineering - AI MSE 2023
Lecture
04.04.2025
Scalable microstructure analysis - new opportunities in microstructure-based and data-driven material design through artificial intelligence
Bachmann, B.-I. (Speaker)¹; Britz, D.¹; Mücklich, F.²; Müller, M.¹; Staudt, T.³; Stiefel, M.¹
MaterialsWeek 2025

© 2025