Wang, N.; Freysoldt, C.; Zhang, S.; Liebscher, C.; Neugebauer, J.: Segmentation of Static and Dynamic Atomic-Resolution Microscopy Data Sets with Unsupervised Machine Learning Using Local Symmetry Descriptors. Microscopy and Microanalysis 27 (6), S. 1454 - 1464 (2021)
Freysoldt, C.; Hickel, T.; Janßen, J.; Wang, N.; Zendegani, A.: High-throughput optimization of finite temperature phase stabilities: Concepts and application. Coffee with Max Planck, virtual seminar organized by the MPIE, Düsseldorf, Germany (2021)
Hickel, T.; Freysoldt, C.; Janßen, J.; Wang, N.; Zendegani, A.: High-throughput optimization of finite temperature phase stabilities: Concepts and application. Coffee with Max Planck, virtual seminar organized by the MPIE, Düsseldorf, Germany (2021)
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