AI-TOMO: Accelererad materialkarakterisering med AI och röntgentomografi

Syfte och mål

Syftet med projektet är att accelerera karakteriseringen av materialstrukturer med hjälp av AI och röntgentomografi för att underlätta framtagande av framtidens nya hållbara produkter och processer. Målet är att utveckla AI-algoritmer för snabb och effektiv segmentering och kvantifiering av 3D- och 4D-röntgentomografidata. De utvecklade algoritmerna kommer att stödja materialutveckling i de deltagande företagen och utgöra en grund för att stödja materialindustrin i ett bredare perspektiv.

Förväntade effekter och resultat

Verktygen kommer att utvecklas för att effektivisera analysprocessen och ge snabbare och exaktare resultat som förbättrar beslutsfattandet och främjar innovation. Detta initiativ syftar till att optimera användningen av synkrotronexperiment och uppmuntra fler industriella forskare att utnyttja AI, tomografi och synkrotronanläggningar för produktutveckling. Förhoppningen är att avsevärt höja hastigheten och kvaliteten på produktutvecklingen och därigenom stärka svensk industris konkurrenskraft.

Planerat upplägg och genomförande

Projektet kommer att använda existerande 3D- och 4D-strukturer av fibermaterial, granulära och porösa binära material samt ta fram nya data för dessa via synkrotronmätningar eller via deltagarnas lab-tomografer. Denna data kommer att användas för träning, testning och validering av AI-modeller. AI-modeller baserade på SGM eller CNN för 3D, 4D och livesegmentering av dessa strukturklasser och överföringsmodeller kommer att utvecklas och valideras. Verktygen kommer att göras användarvänliga och implementeras på MAX IV.