AIMM - Artificial Intelligence for Material Models
dc.contributor.author | Böhringer, Pauline | |
dc.contributor.author | Sprave, Joachim | |
dc.contributor.author | Jamei, Said | |
dc.contributor.author | Dölle, Norbert | |
dc.contributor.author | Koch, David | |
dc.contributor.author | Ilg, Christian | |
dc.contributor.author | Haufe, André | |
dc.contributor.author | Haase, Thomas | |
dc.contributor.author | Soot, Thomas | |
dc.contributor.author | Kleih, Julian | |
dc.contributor.author | Gorbach, Gabriele | |
dc.contributor.author | Sommer, Daniel | |
dc.contributor.author | Platzer, Dominik | |
dc.contributor.author | Middendorf, Peter | |
dc.contributor.author | Karadogan, Celalettin | |
dc.contributor.author | Liewald, Mathias | |
dc.contributor.author | Stoll, Markus | |
dc.contributor.author | Suwelack, Stefan | |
dc.date.accessioned | 2025-07-23T06:55:49Z | |
dc.date.available | 2025-07-23T06:55:49Z | |
dc.date.issued | 2024 | |
dc.description.abstract | Das Ziel des Vorhabens AIMM ist es, die klassische, oftmals bereichsweise definierte Materialmodellierung durch eine alternative datengetriebene und damit digitale Materialmodellierung zu ergänzen oder zu ersetzen. Durch die Etablierung von ML-Methoden in der simulationsgestützten Fahrzeugentwicklung sollen aufwendige Modellierungsprozesse vereinfacht werden, was zu einer Verkürzung der Entwicklungszeiten führt und die digitale Funktionsabsicherung (durch einen größeren Anwenderkreis) ermöglicht. Auf diese Weise können langfristig Rechenzeiten reduziert werden, da durch den Einsatz von ML-Modellen die iterative Lösung von Materialgleichungen vermieden werden kann. Damit wird es zukünftig möglich werden, alternative Struktur- und Crashkonzepte mit weniger Computerleistung in kürzerer Zeit berechnen und bewerten zu können. Vor dem Hintergrund des Einsatzes neuer und komplexer Werkstoffe sollen die Grenzen der konventionellen Materialmodellierung überwunden werden und es kann eine schnelle Materialbeschreibung für neue Materialien erfolgen. Datei-Upload durch TIB | ger |
dc.description.abstract | The objective of the project AIMM is to enhance or potentially replace classical material modeling with a data-driven and digital approach. The integration of machine learning (ML) techniques into simulation-based vehicle development is intended to enhance complex modeling processes, thereby shortening development cycles, and facilitating digital functional verification accessible to a broader range of users. This strategy is expected to significantly reduce computational times over the long term, as the deployment of ML models circumvents the need for iterative solutions to material equations. Consequently, it will become feasible to compute and assess alternative structural and crash concepts more efficiently, using less computational power and time. Considering the adoption of new and sophisticated materials, this project aims to transcend the boundaries of conventional material modeling, enabling rapid characterization of novel materials. | eng |
dc.description.version | publishedVersion | |
dc.identifier.uri | https://oa.tib.eu/renate/handle/123456789/19995 | |
dc.identifier.uri | https://doi.org/10.34657/19012 | |
dc.language.iso | ger | |
dc.publisher | Hannover : Technische Informationsbibliothek | |
dc.relation.affiliation | Mercedes-Benz AG | |
dc.relation.affiliation | ElringKlinger AG | |
dc.relation.affiliation | DYNAmore Gesellschaft für FEM Ingenieurdienstleistungen mbH | |
dc.relation.affiliation | Fraunhofer-Institut für Kurzzeitdynamik, Ernst-Mach-Institut (EMI) | |
dc.relation.affiliation | Universität Stuttgart, Institut für Flugzeugbau (IFB) | |
dc.relation.affiliation | Universität Stuttgart, Institut für Umformtechnik (IFU) | |
dc.relation.affiliation | Renumics GmbH | |
dc.rights.license | Creative Commons Attribution-NonDerivs 3.0 Germany | |
dc.rights.uri | https://creativecommons.org/licenses/by-nd/3.0/de/ | |
dc.subject.ddc | 600 | |
dc.title | AIMM - Artificial Intelligence for Material Models | ger |
dc.title.subtitle | Gemeinsamer Schlussbericht zum Verbundprojekt | |
dc.type | Report | |
dc.type | Text | |
dcterms.event.date | 01.01.2021-31.12.2023 | |
dcterms.extent | 136 Seiten | |
dtf.funding.funder | BMFTR | |
dtf.funding.program | 19I20024A | |
dtf.funding.program | 19I20024B | |
dtf.funding.program | 19I20024C | |
dtf.funding.program | 19I20024D | |
dtf.funding.program | 19I20024E | |
dtf.funding.verbundnummer | 01228182 | |
tib.accessRights | openAccess |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- BMBF19I20024A_GESAMT.pdf
- Size:
- 9.42 MB
- Format:
- Adobe Portable Document Format
- Description: