SMILE: Datenbasierte stochastische 3D Strukturmodellierung für das automatische Lernen mechanischer Eigenschaften

Das Ziel dieses Verbundprojektes der Universität Ulm (UU) und Mines ParisTech (MPT) ist die Verwendung von künstlicher Intelligenz (KI) in Kombination mit tomographischer Bildgebung und etablierten Methoden der angewandten Mathematik zur Aufklärung des Mikrostruktureinflusses auf mechanische Eigenschaften polykristalliner Materialien am Beispiel von gamma-TiAl-Legierungen. Insbesondere wird die Beschleunigung aufwendiger numerischer Simulationen zur Bestimmung von Bruchverhalten mit KI-Methoden angestrebt. Zunächst wird mittels tomographischer Bildgebung die Mikrostrukturinformation von gamma-TiAl-Legierungenbestimmt. An die tomographischen Bilddaten werden parametrische stochastische Mikrostrukturmodelle angepasst, um ein breites Spektrum von virtuellen und dennoch realistischen Strukturen als Trainingsdaten zu generieren. Schließlich wird das Bruchverhalten der betrachteten Materialien mit numerischer Simulation vorhergesagt. Dabei werden KI-Methoden genutzt, um das Bruchverhalten mithilfe automatisch ausgewählter Daten zu lernen. Die entwickelte Methodik wird anhand experimenteller Daten validiert. Nach der Laufzeit des Projektes, das den Startpunkt eines bilateralen KI-Programms zwischen UU und MPT bildet, werden generierte Daten öffentlich zugänglich gemacht, wodurch die Erforschung polykristalliner Materialien allgemein gestärkt wird.