Tag
Maschinelles Lernen für Werkstoffe

Datengetriebene Materialwissenschaft

Datengetriebene Materialwissenschaft nutzt statistische Modelle, maschinelles Lernen und Simulationstechniken, um Materialverhalten anhand großer Datensätze vorherzusagen. Dieser Ansatz ermöglicht es, Entwicklungskosten zu senken, Materialdesigns zu optimieren und schneller auf neue Anforderungen in modernen Anwendungen zu reagieren.

Verwandte Tags
MetadatenGeneratives ModellMaschinelles LernpotenzialAutomatisierte ProduktionKarbidfreie bainitische StähleForschungsdatenmanagementerklärbare KImaschinelles LernenWerkstoffentdeckungSupraleitfähigkeitSemantische DatenintegrationSchallemissionKoordinierung im FA Materials Modelling, Simulation und DataSymbolische RegressionSemantische SegmentierungMikroelektronikRepräsentative VolumenelementeMerkmalsauswahlKünstliches Neuronales NetzwerkExperimentelle DatenDigitaler MaterialzwillingVision TransformerDimensionsanalyse

Frisch eingestellt

Neue Inhalte

Lecture

Jouanique, C. (Speaker)¹; Thomas, S.¹; Bräkling, A.²; Egelhofer, M.¹
19.11.2025
AI MSE 2025
Lecture

Kerzel, U. (Speaker)¹; Berners, L. (Speaker)¹; Lee, S.-H.¹; Korte-Kerzel, S. (Speaker)¹
26.09.2024
MSE 2024
Plenary Lecture

Marques, M.A.L. (Speaker)¹
23.11.2023
Conference on Artificial Intelligence in Materials Science and Engineering - AI MSE 2023

Vielgesehen

Beliebte Inhalte

Lecture

Jouanique, C. (Speaker)¹; Thomas, S.¹; Bräkling, A.²; Egelhofer, M.¹
19.11.2025
AI MSE 2025
Plenary Lecture

Marques, M.A.L. (Speaker)¹
23.11.2023
Conference on Artificial Intelligence in Materials Science and Engineering - AI MSE 2023
Lecture

Kerzel, U. (Speaker)¹; Berners, L. (Speaker)¹; Lee, S.-H.¹; Korte-Kerzel, S. (Speaker)¹
26.09.2024
MSE 2024

© 2026