SMILE

Datenbasierte stochastische 3D StrukturmodelIierung für das automatische Lernen mechanischer Eigenschaften

Motivation

Mit der Bekanntmachung zur „Förderung von deutsch französischen Projekten zum Thema Künstliche Intelligenz“ vom 1. Oktober 2020 wird ein vertiefter Wissenstransfer aus der Wissenschaft in die Wirtschaft sowie eine verbesserte Entwicklung innovativer Technologien in Deutschland und Europa, von der insbesondere KMU profitieren, gefördert. Die Förderbekanntmachung ist eingebettet in die nationale Strategie für Künstliche Intelligenz (KI). Mit der Umsetzung der Bekanntmachung wird insbesondere das Handlungsfeld „Forschung in Deutschland und Europa stärken, um Innovationstreiber zu sein“ der KI-Strategie adressiert. Triebwerke oder Gasturbinen müssen zuverlässig großen Beanspruchungen standhalten. Damit sie im Einsatz stabil bleiben, werden die Materialeigenschaften der verwendeten polykristallinen Werkstoffe, insbesondere deren Bruchverhalten, immer weiter optimiert. Hierzu ist es wichtig, die Zusammenhänge zwischen Kristallstruktur und dem mechanischen Verhalten der Materialien zu kennen. Um diese zu ergründen, werden tomografische Bildauswertungen, experimentelle Untersuchungen und klassische numerische Simulationen eingesetzt. Diese Methoden sind jedoch sehr aufwändig, teuer und langwierig.

Ziele und Vorgehen

Das Ziel des Projekts SMILE ist es, diesen Prozess zu beschleunigen. Dafür sollen KI Methoden eingesetzt werden, die die üblichen Simulationsverfahren in zwei Stufen ergänzen. Zunächst soll KI helfen, Trainingsdaten zu generieren. Dabei sollen die KI-Methoden mit tomografischer Bilddatenauswertung, stochastischer Modellierung und numerischer Simulation kombiniert werden. Anschließend soll KI diese Datensätze auswerten und Materialeigenschaften am Beispiel von Titanaluminid-Werkstoffen vorhersagen. Eine Validierung erfolgt durch Vergleich mit experimentellen Materialuntersuchungen. Im Projekt SMILE soll der Aufwand von einer ausschließlich auf numerischer Simulation beruhenden Methodik mittels KI stark reduziert werden.

Innovationen und Perspektiven

Dazu sollen die sich ergänzenden Expertisen der deutschen und französischen Forscher an der Universität Ulm und am Mines ParisTech miteinander verbunden werden. Die Methode, die Beziehungen zwischen Mikrostruktur und mechanischen Eigenschaften für Titanaluminide aufzuklären, soll auch auf andere Werkstoffe übertragbar sein. Damit leistet das Projekt einen wichtigen Beitrag, um bei der weiteren Digitalisierung der Materialwissenschaften Kompetenzen aufzubauen und auszutauschen.

Projektinformation

Projektleitung

Universität Ulm
Helmholtzstraße 16
89081 Ulm

Volumen

200.234 €

Laufzeit

05/2026 – 05/2026

Projektpartnerinnen und -partner

Universität Ulm Mines ParisTech (Centre de Morphologie Mathematique, Centre des Materiaux)