Mot digitaliseringen av materialval genom AI och fysikalisk modellering (DMS-AI)

Syfte och mål

Projektet syftar till att integrera AI och fysikaliska modeller med målet att förutsäga komplexa materialegenskaper och därmed förbättra materialval. Projektet kommer att utforska AI-metoder för skalbara, effektiva förutsägelser av materialegenskaper, vilka ska implementeras i ett ramverk som främjar hållbart materialval för olika tillämpningar. Genomförbarhetsstudien syftar till att visa hur AI-metoder, befintlig data och fysikalisk modellering kan kombineras för prediktion av nötning, utmattning och korrosion.

Förväntade effekter och resultat

Projektet ska skapa en färdplan för AI-baserade prediktioner av materialegenskaper, samt utföra genomförbarhetsstudier och redovisa rekommendationer för implementering. Leverablerna är en teknisk rapport som utvärderar befintliga metoder, utmaningar och möjligheter; samt kritiska faktorer som behövs för att optimera data och modeller. Leverablerna ska lägga en grund för ett standardiserat tillvägagångssätt som effektivt utnyttjar AI för egenskapsprediktioner och hållbart materialval.

Planerat upplägg och genomförande

Projektet kommer att inledas med en kartläggning av befintliga data och AI-algoritmer inom materialprediktioner, samt genomföra workshops för att göra en behovsinventering inom industrin. Därefter kommer projektet att utvärdera AI-modeller som är lämpliga för utvalda egenskaper och genomföra förstudier på de utvalda egenskaperna för att utvärdera datakompatibilitet och noggrannhet. Den sista fasen inkluderar att skapa ett konsortium och en färdplan som beskriver stegen för skalbar AI-implementering.