Projekt · Dnr 2018-04297 · Källa: Vinnova
Branschstyrd utnyttjande av de stora materialdata med maskininlärning
- Koordinator
- Linköpings universitet, Institutionen för ekonomisk och industriell utveckling
- Projekttid
- 2018-11-30 till 2019-11-30 (avslutat)
- Beviljat bidrag
- 500 000 SEK
- Diarienummer
- 2018-04297
Beskrivning
Beläggningsindustrin står inför behovet av material som har hög seghet för högprecisionsmetallbearbetning vid höga temperaturer eller hög korrosionsbeständighet för katodmaterial i moderna elektrolytbatterier och bränsleceller. En artificiell-intelligensbaserad metod kommer att användas för att skräddarsy sökningar av stora materialdata och påskynda sökningen efter multifunktionella beläggningar. Projektet involverar direkt två världsledande företag inom hårt beläggning, Sandvik och Seco Tools, som ger tillgång till beräkningsmässigt otillgänglig kunskap. I projektet har vi byggt en materialdatabas med industriellt relevanta nitrid, karbid, oxidmaterial. Vi har en mjukvara för att söka efter material i databasen och analysera deras elastiska egenskaper. Maskininlärningsalgoritmer har utvecklats och testats för två enkla deskriptorer. Förutom dessa resultat, som nu direkt utnyttjas i FunMat-II kompetenscenter, har en ny forskningsidé för maskininlärningshårdhet etablerats och överförts till FunMat-II.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
FunMat-II
Linköpings universitet · 2017-09-01 · 36 000 000 SEK · Projekt
Målet med centret är förbättrad materialvetenskapskompetens rörande avancerade ytbeläggningar. Detta sker genom att vi bidrar med forskning rörande nya material, framställningsmetoder, egenskaper och funktion. Vi gör detta med en kombination av laborativa experiment, teoretiska beräkningar och indus…
-
Förstudie: Behov och utmaningar gällande material för det elektrifierade samhället
Jernkontoret · 2019-12-16 · 670 000 SEK · Projekt
Syftet med förstudien var att identifiera hur det strategiska innovationsprogrammet Metalliska material med en insats på bästa sätt kan stärka svensk industris förmåga att möta, och vara en del av, omställningen mot ett elektrifierat samhälle. Målet var att ta fram ett underlag för en kommande insat…
-
AI-TOMO: Accelererad materialkarakterisering med AI och röntgentomografi
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2024-08-12 · 7 250 000 SEK · Projekt
Syftet med projektet är att accelerera karakteriseringen av materialstrukturer med hjälp av AI och röntgentomografi för att underlätta framtagande av framtidens nya hållbara produkter och processer. Målet är att utveckla AI-algoritmer för snabb och effektiv segmentering och kvantifiering av 3D- och …
-
Provningsmetoder för säker användning av metalliska material i vätgas (HyMech)
Swerim AB · 2021-06-16 · 680 000 SEK · Projekt
Väteteknologier kommer att vara avgörande för att klara omställningen till ett fossilfritt samhälle. För att kunna utveckla säker vätgas(H2)-teknologi krävs korrekt information om materialbeteendet i relevanta tillämpningar. Metoderna som i nuläget används för att utvärdera väteförsprödning kan inte…
-
2D material-baserad teknologi för industriella applikationer (2D-TECH), Fas 2
Chalmers Tekniska Högskola AB · 2024-11-11 · 34 354 500 SEK · Projekt
Projektet avser andra fasen (verksamhetsår 6-10) för Kompetenscenter 2D-TECH (2D material-baserad teknologi för industriella applikationer) och följer på Fas 1 med Vinnovas diarienummer 2019-00068. Vår vision är att konsolidera ett världsledande svenskt nav för forskning och utnyttjande av 2D-materi…