| Hausarbeit KI in der Werkstoffkunde (Stefan Bosse) [4.2024] |
Künstliche Intelligenz (KI), insbesondere Algorithmen für maschinelles Lernen (ML) und Deep Learning (DL), wird zu einem wichtigen Werkzeug in den Bereichen Werkstoff- und Maschinenbau.
Lesen sie folgenden Artikel:
[1] K. Guo, Z. Yang, C.-H. Yu, and M. J. Buehler, “Artificial intelligence and machine learning in design of mechanical materials,” Materials Horizons, vol. 9, 2021.
Publisher
Ziel dieser Hausarbeit ist es einen erster Überblick über Methoden der KI und des ML für die Werkstoffkunde zu gewinnen. Die Methoden werden größtenteils in dieser Veranstaltung behandelt.
Die nachfolgenden Aufgaben und Fragen sollen einen Leitfaden für eine eigenständige Erarbeitung dieses Überblicks und eine Zusammenfassung geben.
Frage. Welche Materialklassen kennen Sie?
Frage. Welche Materialparameter gibt es, die häufig in der Material- und Werkstoffkunde auftreten?
Aufgabe. Lesen Sie die Zusammenfassung des Artikels.
Frage. Wovon hängt die Qualität von ML-basierten Verfahren ab?
Frage. Was sind Biomaterialien und strukturelle Materialien? Worin unterscheiden sie sich beide?
Aufgabe. Lesen Sie die Einführung (Introduction) des Artikels.
Frage. Welche zentralen Probleme werden identifiziert?
Frage. Welche Ziele will beim Einsatz von ML Methoden erreichen, welche Probleme lösen?
Frage. Wo kommen die Daten her, mit welchen Problemen hat man bei der Erstellung und Verwendung dieser Daten?
Frage. Welche Schlüsselkomponeten können Sie beim ML-basierten Entwurf von Materialien identifizieren?
Aufgabe. Lesen Sie den nächsten Abschnitt "A Brief summary of ML models, algorithms and structures"
Frage. Welche drei grundlegenden ML Verfahren (übergeordnete Klassen) werden genannt?
Frage. Welche speziellen ML Verfahren und Modelle werden genannt? Siehe auch Tabelle 1.
Aufgabe. Lesen Sie den nächsten Abschnitt "Data collection, generation and preprocessing"
Frage. Welche Datenquellen kommen in Frage? Siehe auch Tabelle 2. Fasse die Materialklassen zusammen.
Frage. Wie werden Daten analysiert?
Frage. Welche Methoden und Verfahren werden für die Datenanalyse und Datenvorverarbeitung werden häufig eingesetzt?
Frage. Wie können Daten erzeugt werden?
Aufgabe. Lesen Sie den nächsten Abschnitt "Applications"
Frage. Fassen Sie die typischen Anwendungsfelder zusammen.
Frage. Welche Zielgrößen (z.B. Materialparameter) sollen durch die ML Modelle "vorhergesagt" werden? Welche ML Modelle werden typischerweise für welche Daten verwendet?
Frage. Was sind typische Eingabegrößen, d.h., Messvariablen? Welche Dimensionalität (Zeit-und Ortsraum)?.
Frage. Was leisten generative Modelle.
Frage. Wo liegen die grundsätzlichen Unterschiede im Einsatz von datengetriebenen ML Verfahren für die Materialentwicklung im Vergleich zur Materialprüfung (Schadensdiagnostik)? .