Forschung
Symbolisches Bild der Nutzung Künstlicher Intelligenz in der Korrosionsforschung. Zusammengestellt aus Adobe Stock Bildern. - © MPIE
01.09.2023

Materialdesign mit Hilfe Künstlicher Intelligenz

Texte und Zahlen in einem KI-Modell

„Die Korrosionsresistenz jeder Legierung hängt von ihrer Zusammensetzung und ihrer Herstellung und Verarbeitung ab. Allerdings konnten bisherige KI-Modelle nur die Zusammensetzung basierend auf numerischen Daten verarbeiten. Da die Herstellung und Verarbeitung der Legierung aber textlich dokumentiert werden, flossen diese Daten nicht in KI-Modelle ein. Deswegen war die Aussagekraft bisheriger KI-Modelle eingeschränkt“, erklärt Dr. Kasturi Narasimha Sasidhar, Erstautor der Veröffentlichung und ehemaliger Postdoktorand am MPIE.

Das Forscherteam nutzt Sprachverarbeitungsmethoden, ähnlich wie ChatGPT, und kombiniert diese mit
maschinellem Lernen (ML). So konnten die MPIE-Wissenschaftler ein maschinelles Lernmodell entwickeln, das numerische Daten und natürliche Sprache vollautomatisch verarbeitet und nun besser vorhersagen kann, wie Legierungen sich bei Korrosion verhalten beziehungsweise welche Legierungen korrosionsresistent sind. „Am Anfang haben wir das Lernmodell mit Daten über Korrosionseigenschaften und Legierungszusammensetzung trainiert. Jetzt ist das Modell selbstständig in der Lage korrosionsresistente Legierungen zu erkennen, selbst wenn die einzelnen Elemente ursprünglich nicht in das Modell eingegeben wurden“, sagt Dr. Michael Rohwerder, Co-Autor der Veröffentlichung und Leiter der Gruppe „Korrosion“ am Max-Planck-Institut für Eisenforschung.

Ausblick: Automatisiertes Data Mining und Bildverarbeitung

Bisher basiert das KI-Modell auf manuell gesammelten Daten der Wissenschaftler. Ihr Ziel besteht jetzt darin, den Prozess des Data Mining zu automatisieren und nahtlos in ihr Modell zu integrieren. Zudem soll das Modell auch auf Mikroskopiebilder erweitert werden, damit alle relevanten Informationsquellen, Text, Zahlen und Bilder, in das KIModell einfließen und so die Aussagekraft weiter erhöhen.

Original-Veröffentlichung:

K.N. Sasidhar, N.H. Siboni, J.R. Mianroodi, M. Rohwerder, J. Neugebauer, D. Raabe: Enhancing corrosion resistant alloy design through natural language processing and deep learning. In: Science Advances 9 (2023) eadg7992. DOI: 10.1126/sciadv.adg7992

(Quelle: Presseinformation des Max-Planck-Instituts für Eisenforschung GmbH, Autorin: Yasmin Ahmed Salem)

Schlagworte

DesignKIKorrosionsschutzKünstliche IntelligenzLegierungenMaschinelles LernenMaterialdesignWerkstoffe

Verwandte Artikel

08.04.2025

China investiert 1 Billion Yuan in Robotik- und Hightech-Industrie

Die Staatliche Kommission für Entwicklung und Reform Chinas hat angekündigt, einen öffentlich geförderten Wagniskapitalfonds für Robotik, künstliche Intelligenz und Spitz...

Hightech Innovation Künstliche Intelligenz Robotik
Mehr erfahren
Tobias Schäfer
27.03.2025

Tobias Schäfer wird neuer Hauptgeschäftsführer des Industrieverbandes Feuerverzinken

Tobias Schäfer beginnt seine Tätigkeit als Geschäftsführer zum 1. Mai 2025 und übernimmt am 1. Juli 2025 die Hauptgeschäftsführung.

Geschäftsführung Korrosionsschutz Metall Stahl Verzinken
Mehr erfahren
27.03.2025

ABB ranked second top Swiss company for patent applications

With 540 patent applications, ABB has secured second place among Swiss companies in the European Patent Office’s (EPO) Patent Index 2024, jumping from fourth place in 202...

AM Applications Artificial Intelligence Cutting Engineering EU Industrie KI Software Sustainability Technologie Technology
Read more
26.03.2025

Swiss Steel Group stays on strategic path amidst challenging market conditions

In a weak market environment, sales volume of Swiss Steel Group declined by 5.1% to 1,056 kilotons in 2024, with revenue falling by 14.3% to EUR 2,432 million. EBITDA imp...

AM Automotive Engineering EU Import KI Metal Steel
Read more
25.03.2025

Update: Merkblatt DVS 0703 „Grenzwerte für Unregelmäßigkeiten von Schmelzschweißverbindungen nach DIN EN ISO 5817“

Mit Ausgabedatum März 2025 ist eine Neufassung des Merkblatts DVS 0703 „Grenzwerte für Unregelmäßigkeiten von Schmelzschweißverbindungen nach DIN EN ISO 581“ erschienen.

Kehlnähte Legierungen Nickel Schmelzschweißverbindungen Schweißverbindungen Stahl Stumpfnähte Titan Unregelmäßigkeiten
Mehr erfahren