Nascimento, A.; Roongta, S.; Diehl, M.; Beyerlein, I. J.: A machine learning model to predict yield surfaces from crystal plasticity simulations. International Journal of Plasticity 161, 103507 (2023)
Otto de Mentock, D.; Roongta, S.; Shanthraj, P.; Eisenlohr, P.; Diehl, M.; Roters, F.: Challenges of Developing and Scaling up DAMASK, a Unified Large-strain Multi-physics Crystal Plasticity Simulation Software. TMS - Algorithm Development in Materials Science and Engineering, Orlando, FL, USA (2024)
Roters, F.; do Nascimento, A. W. P.; Roongta, S.; Diehl, M.: An optimized method for the simulation-based determination of initial parameters of advanced yield surfaces for sheet metal forming applications. Complas 2021, online (2021)
Wissenschaftler am Max-Planck-Institut für Nachhaltige Materialien haben ein CO2-freies und energiesparendes Verfahren entwickelt, um Nickel für Batterien, Magnete und Edelstahl zu gewinnen.
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.
Düsseldorfer Max-Planck-Wissenschaftler diskutieren den Einsatz künstlicher Intelligenz in der Materialwissenschaft und veröffentlichen Review-Artikel in der Fachzeitschrift Nature Computational Science
Neues Video erklärt wie Ammoniak die Speicherung und den Transport von Wasserstoff erleichtert und zur Produktion von grünem Stahl verwendet werden kann