KI4MaterialModeling
KI zur Generierung von Simulationsmodellen für die Materialentwicklung aus CT-Daten
In der modernen Werkstoffentwicklung werden Geometriemodelle (GM) zur numerischen Vorhersage von Werkstoffeigenschaften für Bauteil- oder Prozesssimulationen eingesetzt. Die genaue Modellierung der Materialstruktur und der mikroskopischen Objekte ist für die quantitative Simulation unerlässlich. Die GM werden derzeit mit zwei Methoden erstellt:
Methode A: Mit Hilfe von 3D-Bildgebungsverfahren wie der Computertomografie (CT) werden 3D-Bilder der Materialstruktur erzeugt, die anhand der Grauwerte segmentiert werden. Bei diesem Verfahren führen die begrenzte Auflösung und Bildartefakte zu fehlerhaften GM.
Bei Methode B werden die GM synthetisch auf der Grundlage statistischer Daten von realen Strukturen erzeugt. Dies erfordert eine große Anzahl von Generierungsparametern, um reale Strukturvariationen darzustellen. Der Vorteil ist hier, dass alle Objekte bekannt sind und gezielt variiert werden können.
Das Projektziel ist die Entwicklung eines KI-basierten Workflows am Beispiel von Faser-Polymer-Verbunden, der die Lücke zwischen den Methoden schließt und die Generierung eines präzisen GM aus CT-Daten ermöglicht.
Der Workflow basiert auf drei Säulen:
- der Generierung von synthetischen CT-Daten mit realistischen Artefakten,
- einer KI zur Informationsanreicherung
- und einer KI zur Objekterkennung in CT-Daten.
Dieser KI-basierte Arbeitsablauf ermöglicht eine enorme Effizienzsteigerung bei der Materialanalyse und -entwicklung, indem er durch Objekterkennung (optimierte Methode A) hochwertige GM aus echten CT-Daten erzeugt. Strukturelle Informationen aus CT-Daten werden automatisch extrahiert, um die Erzeugung synthetischer GM erheblich zu vereinfachen (optimierte Methode B). Reale und synthetische CT-Daten werden kombiniert, um ein größeres hybrides GM mit hoher Auflösung zu erstellen (synergistisch kombinierte Methode A+B). Der Anwendungsfall der Permeabilität von Textilien verspricht eine breite Übertragbarkeit auf andere Materialklassen, wie Filtrationsmedien, Batterien und Gesteinsphysik.
Projektmitarbeiter
Dr. Oliver Rimmel
Dr. Dominik Michel
Dr. Rolf Westerteiger
Dr. Dennis Mosbach
Andreas Grießer
Projektmitarbeiter
PD Dr.-Ing. habil. David May
Tim Schmidt
Benedikt Boos
PD Dr. rer. nat. habil. Martin Gurka
Aktuelle Entwicklungen
Kick-off Meeting zum KI4MaterialModeling-Projekt
Die KI4MaterialModeling-Projektreise hat offiziell begonnen!
Unser Kick-off Meeting fand mit unseren geschätzten Projektpartnern am Leibniz-Institut für Verbundwerkstoffe GmbH statt - PD Dr.-Ing. habil. David May, Tim Schmidt, Benedikt Boos, PD Dr. rer. nat. habil. Martin Gurka. Gemeinsam widmen wir uns der Weiterentwicklung der Künstlichen Intelligenz zur Generierung von Simulationsmodellen für die Materialentwicklung aus CT-Daten.
Das Projekt KI4MaterialModeling startet
Das KI4MaterialModeling-Projekt hat offiziell begonnen und soll durch den gezielten Einsatz von KI-Methoden die Lücke zwischen den synthetisch generierten und aus CT-Daten abgeleiteten Geometriemodellen schließen. Wir freuen uns auf die Zusammenarbeit mit unseren Partnern auf dieser spannenden zweieinhalbjährigen Reise.
Finanzierung
Wir danken dem Bundesministerium für Bildung und Forschung (BMBF) für die Förderung unter dem Förderkennzeichen 01IS23054 A