Glensk, A.; Grabowski, B.; Hickel, T.; Neugebauer, J.: CALPHAD assessments using T > 0K ab initio data: From quasiharmonic to local anharmonic approximation. CALPHAD 2015, Loano, Italy (2015)
Opahle, I.; Madsen, G. K. H.; Dorigo, M.; Bera, C.; Glensk, A.; Drautz, R.: High-throughput density functional screening of thermoelectric materials. Evaluation ICAMS 2013, Bochum, Germany (2013)
Glensk, A.: Anharmonic contributions to ab initio computed thermodynamic material properties. Dissertation, University of Paderborn, Paderborn, Germany (2015)
Max-Planck-Wissenschaftler kombinieren die Gewinnung, Herstellung, Mischung und Verarbeitung von Metallen und Legierungen in einem einzigen, umweltfreundlichen Schritt. Ihre Ergebnisse sind jetzt in der Zeitschrift Nature veröffentlicht.
Wissenschaftler des Max-Planck-Instituts für Eisenforschung entwickeln ein neues maschinelles Lernmodell für korrosionsresistente Legierungen. Und veröffentlichen ihre Ergebnisse in der Fachzeitschrift Science Advances
Düsseldorfer Max-Planck-Wissenschaftler diskutieren den Einsatz künstlicher Intelligenz in der Materialwissenschaft und veröffentlichen Review-Artikel in der Fachzeitschrift Nature Computational Science