Li, Y.; Gault, B.: Machine Learning-enabled Tomographic Imaging of Chemical Short-range Order in Fe-based Solid-solutions. DPG 2024, Berlin, Germany (2024)
Li, Y.; Gault, B.: Machine Learning-enabled Tomographic Imaging of Chemical Short-range Order in Fe-based Solid-solutions. TMS 2024, Orlando, FL, USA (2024)
Li, Y.; Gault, B.: Quantitative three-dimensional imaging of chemical short-range order via machine learning enhanced atom probe tomography. BiGmax Spring Meeting 2022, Bochum, Germany (2022)
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