Schnelle Material- und Prozessentwicklung
Traditionell kann der gesamte Materialentwicklungsprozess, leicht Jahrzehnte dauern und folgt einem Trial-and-Error-Ansatz, der auf bestehendem Wissen aus der Literatur, Erfahrungen oder der Intuition von Forschern basiert. Jedoch ist der Weg zu neuen Materialien extrem hochdimensional und erfordert die Berücksichtigung von Parametern wie Zusammensetzung, Verarbeitung und Nachbearbeitung. Daher ist die Fähigkeit, die Entwicklungszeiten für neue Materialien um mindestens 50% zu reduzieren, von größter Bedeutung, um auf aktuelle gesellschaftliche, wirtschaftliche und geopolitische Herausforderungen, die durch den Klimawandel, Ressourcenknappheit und den Wettbewerb um die Beherrschung strategischer Märkte angetrieben werden, zu reagieren.
Die Forschungsaktivitäten des Instituts in diesem Forschungsschwerpunt fokussieren auf die folgenden vier Themen:
Rapid Materials Simulation
Der Einsatz, Adaption und Weiterentwicklung von high-throughput experimentelle und Simulationsmethoden in Verbindung mit KI-Methoden zum Einbezug großer, relevanter Suchräume werden zu einer schnelleren Berechnung von Werkstoffvarianten, u.a. Werkstoffzusammensetzungen, angewandt. Darüber hinaus wird der Einsatz des Quantencomputers zur Erhöhung der Schnelligkeit und Qualität von Werkstoffsimulation untersucht.
Rapid Materials Production
Nach der Findung möglicher Kandidaten in großen Suchräumen mittels schneller Materialsimulation können experimentelle high-throughput-screening-Methoden und kombinatorische Ansätze für die schnelle Herstellung von Werkstoffen eingesetzt werden. Dieser sequenzielle Ansatz wird im Institut durch die Integration mit KI und robotischen Systemen erweitert, um autonome selbstfahrende Fertigungsanlagen zu entwickeln, durch die es möglich wird, das virtuelle Screening großer Suchräume, die Identifikation von Kandidatenmaterialien und die Produktion von Materialien und Prototypen in einem einheitlichen Prozess durchzuführen.
Rapid Materials Analytics
Moderne mehrskalige, multimodale und hochauflösende Analyseverfahren für die Werkstoff-Forschung erleben eine qualitative und quantitative Explosion in der Datenerzeugung. Dies eröffnet die Möglichkeit, die gewonnene Information durch mikroskopische (2D), tomographische (3D) und zeitaufgelöste bildgebende Verfahren zu erhöhen, sofern die Datenanalyse mit Hilfe von Methoden der Künstlichen Intelligenz wie Maschinenlernen, insbesondere Foundation Models, beschleunigt werden kann. Der Einsatz dieser Methoden lässt die Auswerte- und Interpretationszeit um Größenordnungen schrumpfen, was die Werkstoffentwicklungskette beschleunigen wird.
Rapid Materials Testing
Um das Testing von Werkstoffen zu beschleunigen, werden im Institut zwei Ansätze eingeführt:
1) Orientierungstesting, bei dem Proben, die z.B. direkt aus einem Fertigungsverfahren produziert werden, durch robotische Systeme automatisiert vorbereitet und getestet werden. Diese autonome Testmethode dient der Feststellung von Eigenschaftstrends und der Identifikation von Designräume.
2) Das High-Fidelity-Testing, die in der Regel in späteren Technologiereifegraden erforderlich ist, wird durch den kombinierten Einsatz von Prüfmethoden, KI-Systemen, robotischen Systemen, Simulationsmethoden und immersiven kollaborativen Umgebungen (u.a. Augmented Reality) erweitert. Ziel ist es, durch autonome oder interaktive Mensch-Maschine-Systeme die Anzahl der Prüfungen zu reduzieren.