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)
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