Eine Vielzahl von Werkstoffen weist eine polykristalline Struktur auf. Das heißt, sie bestehen aus vielen Einzelkristallen, die durch Korngrenzen voneinander getrennt sind. Dazu gehören auch Titanaluminide, die beispielsweise für den Bau von Triebwerken oder Gasturbinen verwendet werden. Die 3D Mikrostruktur solcher Materialien, also die räumlich-geometrische Anordnung der Einzelkristalle, hat einen entscheidenden Einfluss auf die mechanischen Eigenschaften, wie z.B. das Bruchverhalten der Materialien.

Die tomographische Rekonstruktion der 3D Mikrostruktur realer Materialien ist sehr zeit- und kostenintensiv. Deshalb sind mathematische Modelle erforderlich, um den Einfluss der Mikrostruktur auf mechanische Materialeigenschaften systematisch zu untersuchen. Sie erlauben die Simulation virtueller, aber dennoch realistischer 3D Mikrostrukturen am Computer. Die mechanischen Eigenschaften dieser Strukturen werden anschließend mit numerischer Simulation bestimmt. Einen vielversprechenden Ansatz stellt insbesondere die Verwendung von KI-Methoden zur Beschleunigung der numerischen Simulation des Bruchverhaltens von Titanaluminiden dar. Die zur Etablierung dieses Ansatzes erforderliche Methodenentwicklung ist Gegenstand des Projektes SMILE, in dem Prof. Dr. Evgeny Spodarev, Prof. Dr. Volker Schmidt und Dr. Matthias Neumann am Institut für Stochastik der Universität Ulm gemeinsam mit ihren französischen Partnern Dr. François Willot, Prof. Dr. Henry Proudhon und Dr. Samy Blusseau von Mines ParisTech einen Beitrag zur deutsch-französischen Zusammenarbeit im Bereich KI leisten.

In Kombination mit stochastischer 3D Strukturmodellierung wird die im Projekt SMILE entwickelte effiziente numerische Simulation mechanischer Eigenschaften in der Lage sein, eine große Datenbasis zu generieren, um den Mikrostruktureinfluss auf das Bruchverhalten von Titanaluminiden zu quantifizieren. Hierbei werden KI-Methoden dafür eingesetzt, um mit den numerischen Simulationen auf virtuellen Mikrostrukturen mechanische Eigenschaften der Strukturen automatisch zu erlernen. Insbesondere wird KI für eine gezielte Auswahl von Trainingsdaten verwendet, um den Rechenaufwand für die numerischen Simulationen möglichst gering zu halten, die für das Lernen erforderlich sind. Darüber hinaus beinhaltet das Projekt SMILE auch eine datengetriebene Komponente, um die Realitätstreue der in SMILE entwickelten Methodik zu gewährleisten. Das heißt, dass die Projektergebnisse anhand von tomographischen Bilddaten validiert werden, die im Verlauf des Projektes gemessen werden. Dabei wird die Mikrostruktur von Titanaluminiden räumlich aufgelöst (3D) und bezüglich ihrer zeitlichen Entwicklung unter mechanischer Belastung (4D) dargestellt. Das Projekt SMILE verbindet komplementäre Expertisen der deutsch-französischen Partner an der Universität Ulm und Mines Paris Tech, um mittels KI eine effiziente Aufklärung von Mikrostruktur-Eigenschafts-Beziehungen für Titanaluminide zu ermöglichen. Damit leistet das Projekt einen wichtigen Beitrag zur weiteren Digitalisierung der Materialwissenschaften.

SMILE wird durch das Bundesministerium für Bildung und Forschung (BMBF) und das Ministère de l‘ enseignement supériereur, de la recherche et de l‘ innovation (MESRI) gefördert.