Zhu, L.-F.; Neugebauer, J.; Grabowski, B.: A computationally highly efficient ab initio approach for melting property calculations and practical applications. CALPHAD 2024, Mannheim, Germany (2024)
Zhu, L.-F.: Towards high throughput melting property calculations with ab initio accuracy aided by machine learning potential and pyiron workflow. New Horizons in materials design at MPIE, Düsseldorf, Germany (2023)
Max-Planck-Team erklärt Rissbildung während des Ladevorgangs und ebnet so den Weg zu sichereren und langlebigeren Batterien. Das Team veröffentlicht seine Ergebnisse im Wissenschaftsjournal Nature.
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