Zhu, L.-F.; Neugebauer, J.; Grabowski, B.: Towards high throughput melting property calculations with ab initio accuracy aided by machine learning potential. CALPHAD L Conference, Cambridge, MA, USA (2023)
Neugebauer, J.; Huber, L.; Körmann, F.; Grabowski, B.; Hickel, T.: Ab initio input for multiphysics models: Accuracy, performance and challenges. ISAM4: The fourth International Symposium on Atomistic and Multiscale Modeling of Mechanics and Multiphysics, Erlangen, Germany (2019)
Zhu, L.-F.; Janßen, J.; Grabowski, B.; Neugebauer, J.: Melting parameters from ab initio using the fast statistical sampling TOR-TILD approach: Applications to Al and Ni. CALPHAD XLVIII CONFERENCE, Singapore, Singapore (2019)
Neugebauer, J.; Todorova, M.; Grabowski, B.; Hickel, T.: Modelling structural materials in realistic environments by ab initio thermodynamics. Hume-Rothery Award Symposium, TMS2019 Annual Meeting and Exhibition, San Antonio, TX, USA (2019)
Neugebauer, J.; Janßen, J.; Körmann, F.; Hickel, T.; Grabowski, B.: Exploration of large ab initio data spaces to design materials with superior mechanical properties. Physics and Theoretical Division Colloquium, Los Alamos, NM, USA (2019)
Zhu, L.-F.; Grabowski, B.; Neugebauer, J.: Efficient approach to compute melting properties fully from ab initio with application to Cu. CALPHAD XLVII Conference, Querétaro, México (2018)
Grabowski, B.: Knowledge driven engineering of materials: Development and application of ab initio based scale bridging methods. Seminar at HSU Hamburg, Hamburg, Germany (2018)
Grabowski, B.: Efficient and Accurate Computation of Melting Temperatures and Enthalpies and Entropies of Fusion from Ab Initio. TMS conference, Phoenix, AZ, USA (2018)
Grabowski, B.: Knowledge driven engineering of materials: Development and application of ab initio based scale bridging methods. Seminar at University Stuttgart, Stuttgart, Germany (2017)
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.
Wissenschaftler des Max-Planck-Instituts für Eisenforschung entwickeln ein neues maschinelles Lernmodell für korrosionsresistente Legierungen. Und veröffentlichen ihre Ergebnisse in der Fachzeitschrift Science Advances
Neues Video von Dr. Rasa Changizi erklärt wie sich Wasserstoff in Metallen verhält und an welchen Methoden das MPIE forscht, um Risiken durch Wasserstoffversprödung zu umgehen.
Neues Video erklärt wie Ammoniak die Speicherung und den Transport von Wasserstoff erleichtert und zur Produktion von grünem Stahl verwendet werden kann