Zehn Vorträge in drei Sessions behandelten verschiedene Themen zu maschinellen Lernmodellen für die Eigenschaftsvorhersage und Anwendungen von maschinellem Lernen in der Mikrostrukturmodellierung. Ansätze des maschinellen Lernens wurden für ein breites Spektrum von Werkstoffen vorgestellt und diskutiert, von austenitischen Stählen über Ni-basierte Superlegierungen bis hin zu Silica-Aerogelen. Darüber hinaus hatten die Teilnehmenden in Freiburg die Möglichkeit, die mechanischen Labore des Fraunhofer-Instituts IWM zu besuchen.

Am Vortag der Tagung wurde ein Hands-on-Workshop für Nachwuchswissenschaftler*innen organisiert, in dem in zwei Unterrichtseinheiten von je 90 Minuten die Theorie und Anwendung von Methoden des maschinellen Lernens für allgemeine Aufgaben der Regression und Klassifikation und speziell für das Werkstoffdesign vorgestellt wurden. Die Teilnehmenden konnten praktische Erfahrungen in Anwendungen des maschinellen Lernens sammeln, indem sie numerische Beispiele in Form von Jupyter-Notebooks durchführten.

Alexander Hartmaier, Ruhr-Universität Bochum
Sandra Klinge, TU Berlin
Leiter*in des Arbeitskreises Mikrostrukturmechanik im Fachausschuss Materials Modelling, Simulation and Data

Informationen zu allen Fachausschüssen können Sie über die DGM-Homepage unter https://dgm.de/de/netzwerk/fach-gemeinschaftsausschuesse abrufen.
Wenn Sie Interesse haben, in einem der Ausschüsse aktiv mitzuwirken, schreiben Sie uns eine kurze Mail an fachgremiendgm.de