Über
Beschleunigung der Erforschung, Entwicklung und Integration neuer elektrochemischer Energiematerialien durch Extraktion von Erkenntnissen aus umfassenden Datensätzen und Nutzung fortschrittlicher KI-gestützter Modelle.
Forschungsthemen
- Datenextraktion und -management
- KI/ML-Modelle
- Bildanalyse
- Simulationen
- KI/ML Cloud Anwendungen
Daten Modelle & Management
- Datenmanagement (Mining, Extraktion, Pflege)
- Datenmodelle
- Ontologie und Materiallinguistik
- Optimierte Datenpipeline
- Autonomer Arbeitsablauf
KI/Machine Learning Modelle & Methoden
- Inverses Design für Energiematerialien
- Prädiktive Analytik & KI-fähige Datenmodelle
- Automatisierte Bildanalyse
- Beschleunigte Simulationen
Einsatz von Anwendungen und Werkzeugen
- Intelligente Materialien
- Automatisierte Datenextraktionstools
- Cloud-basierte Big-Data-Lösungen und Datendienste
- Visualisierung von Daten in Mixed-Reality (XR4MAT)
Mitarbeitende
Unterstützung und Entwicklung
- Herr Sahand Behnam
- Dr. Titichai Navessin
- Frau Sarvin Golravesh Fekri
- Herr Armin Gheytarani
Forschung
AI/ML-Modelle und -Methoden
Beschleunigung von Design, Integration und Scale-up
- Inverses Design für neue AEM-Membranen
- Beschleunigung von Simulationen und automatische FF-Parametrisierung
- Automatisierte Bildanalyse
Datenmodellierung und -Verwaltung
Skalierbares und einsatzfähiges Datenmanagement und Korrelationsmodelle
- Automatisierte Datenpipelines und Workflow-Optimierung für die PEFC/PEWE-Komponentenherstellung
- KI-basierte Datenverarbeitung und Workflow-Optimierung
- Entwicklung von Graphendatenbanken für OER/ORR-Elektrokatalysatoren
- ES-Materialien zu Geräten
Schlüsselwörter: Ontologien für CL-ink, Entwicklung von Arbeitsabläufen, Data Mining und Visualisierung
Letzte Änderung: 01.03.2023