SFB 1394 A07

Maschinelles Lernen für Defektphasen (A07*)

CoordinatorProfessor Dr. Ulrich Kerzel
Grant period2024 -
Funding bodyDeutsche Forschungsgemeinschaft
 DFG
IdentifierG:(GEPRIS)531344864

SFB 1394: Strukturelle und chemische atomare Komplexität – Von Defekt-Phasendiagrammen zu Materialeigenschaften

Note: Ziel des Projekts ist es, gemeinsam mit C02 als experimentellem Partner, EBSD auf der Größenskala zwischen Hochauflösung und Eigenschaftsmessung gezielt für die Forschung an Defektphasen nutzbar zu machen. Das Projekt wird eine Bibliothek simulierter EBSD-Muster für das Training von Netzwerken und die Identifizierung von Mustern in Verbindung mit experimentellen Proben erstellen. Im Rahmen des Projekts wird auch untersucht, wie maschinelles Lernen die EBSD-Analysemethoden erheblich verbessern kann, und der TimePix-Chip zur Messung der Elektronenenergie in die EBSD-Musteranalyse integriert.
   

Recent Publications

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article - Online First  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;
The effect of Laves phases and nano-precipitates on the electrochemical corrosion resistance of Mg-Al-Ca alloys under alkaline conditions
Journal of magnesium and alloys 12(6), 2447 - 2461 () [10.1016/j.jma.2024.06.011] DBCoverage  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 


 Record created 2024-02-10, last modified 2024-02-18



Rate this document:

Rate this document:
1
2
3
 
(Not yet reviewed)