Projekt · Dnr 2020-00302 · Källa: Vinnova
Mot en AI-understödd Plattform för Materialmodellering
- Koordinator
- Thermo-Calc Software AB
- Projekttid
- 2020-04-30 till 2021-04-30 (avslutat)
- Beviljat bidrag
- 500 000 SEK
- Diarienummer
- 2020-00302
Beskrivning
Detta projekt gjorde det möjligt för att förvärva den kunskap som behövs för att implementera moderna modeller för maskininlärning (ML) som möjliggör förutsägelser av materialegenskaper. Vi visade att ML levererar användbara förutsägelser i nya materialsystem baserat på företagets data. Därtill, med tillämpning av Bayesian inferens kunde vi kvantifiera osäkerheten i förutsägelser från vår programvara. Denna funktionalitet krävs för att fullständigt integrera ett termodynamiskt modelleringsprogram med moderna simuleringsverktyg för process- och komponentdesign. Projektet implementerade flöden för maskininlärning (ML) av utvalda termodynamiska egenskaper för två materialklasser som regelmässigt modelleras med Thermo-Calc och lyckades med att erhålla prediktiva modeller för dessa egenskaper. För projektet är detta början på en resa med att applicera ML på ett flertal egenskaper och klasser av material av intresse för våra kunder. Dessutom kommer den programvara för kvantifiering av osäkerhet som vi utvecklat i projektet utgöra ett ramverk med vilket vi börjar inkludera de kvantifieringsfunktioner för osäkerhet som våra kunder önskar.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
Digitalisering av produktionsprocess för additiv tillverkning - bildsegmentering och optimering
Swerim AB · 2022-03-15 · 1 573 470 SEK · Projekt
Målet med projektet var att utveckla och implementera AI för bildanalys inom metallindustrin. Den största utmaningen var inte utveckling av algoritmer utan strukturering kring datainsamling, klassificering och implementering, samt integrering av domänkunskap för att träna AI på rätt sätt. Vi utveckl…
-
Mot digitaliseringen av materialval genom AI och fysikalisk modellering (DMS-AI)
Swerim AB · 2024-11-01 · 999 918 SEK · Projekt
Projektet DMS-AI visade framgångsrikt hur öppna databaser, AI och fysikaliska modeller kan bidra till att förutsäga komplexa materialegenskaper. Det levererade en litteraturöversikt, datasammanställning, workshops samt ett öppet, användarvänligt verktyg för alla partners. Projektet erbjöd också indu…
-
Expancore - Brandklassat lättviktsmateria
RISE IVF AB · 2019-08-01 · 320 000 SEK · Projekt
Syftet med projektet var att undersöka det brandklassade materialets egenskaper, både mekaniska och processtekniska. Projektet har gett oss god kunskap inom dessa områden, men också nya kunskaper som är av intresse framöver. Vissa verktygsbegränsningar gjorde att vi inte fick fram några provkroppar …
-
Digitalisering av atomisering av metallpulver
Kungliga Tekniska högskolan · 2021-08-16 · 510 217 SEK · Projekt
Projektet uppfyllde sina mål att identifiera nuvarande modelleringskapacitet inom området för metallpulverproduktion genom gasatomisering, sprida denna kunskap mellan projektparterna, identifiera var framtida forskning behövs samt bilda ett konsortium för att genomföra denna utveckling. Den huvudsak…
-
Ytoxiden mellan prestation och haveri
Lunds universitet · 2020-11-02 · 4 200 000 SEK · Projekt
Projektets syfte var att accelerera utvecklingen av korrosionsbeständiga material genom avancerade prediktiva modeller. I projektet har utvecklats molekyldynamiska modeller för att simulera ytoxidlager och korrosionsförlopp, vilket förbättrat förståelsen för materialens beteende Elektrokemiska accel…