{"id":20002,"date":"2023-05-02T03:29:04","date_gmt":"2023-05-02T01:29:04","guid":{"rendered":"https:\/\/www.m-q.ch\/?p=17924"},"modified":"2024-11-16T13:50:03","modified_gmt":"2024-11-16T12:50:03","slug":"deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb","status":"publish","type":"post","link":"https:\/\/www.organisator.ch\/en\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/","title":{"rendered":"Deep learning system explores the inside of materials from the outside"},"content":{"rendered":"
\"Deep\r\n
An der Oberfl\u00e4che erkennen, was sich im Innern verbirgt: Ein am MIT entwickeltes Deep-Learning-System beurteilt Materialeigenschaften mit einer neuen Methodik. (Symbolbild; Pixabay.com)<\/figcaption>\r\n<\/figure>\r\n

Von aussen beurteilen, wie es im Innern von Materialien aussieht? Das ist technisch grunds\u00e4tzlich m\u00f6glich, etwa mit R\u00f6ntgentechnik. Oder wenn Zerst\u00f6rungen keine Rolle spielen, kann man das Material einfach aufschneiden. Ein neues Verfahren, das auf KI beruht, macht nun den Umstand zu Nutze, das vieles, was im Innern eines Materials passiert, auch einen Einfluss auf die Oberfl\u00e4che hat. Ein Forscherteam des MIT nutzte dazu Deep Learning, um einen grossen Satz simulierter Daten \u00fcber die \u00e4usseren Kraftfelder von Materialien mit der entsprechenden inneren Struktur zu vergleichen und daraus ein System zu entwickeln, das anhand der Oberfl\u00e4chendaten zuverl\u00e4ssige Vorhersagen \u00fcber das Innere treffen kann. Die Ergebnisse wurden vom Doktorand Zhenze Yang und dem Professor f\u00fcr Bau- und Umwelttechnik Markus B\u00fchler in der Zeitschrift \u201eAdvanced Materials\u201c ver\u00f6ffentlicht.<\/p>\r\n

Wenn Oberfl\u00e4chenstrukturen auf das Innere verweisen<\/h3>\r\n

Gem\u00e4ss Markus B\u00fchler sei dies ein h\u00e4ufiges Problem im Ingenieurwesen: \u201eWenn man ein St\u00fcck Material hat \u2013 vielleicht eine Autot\u00fcr oder ein Teil eines Flugzeugs \u2013 und wissen will, was sich im Inneren des Materials befindet, kann man die Dehnungen an der Oberfl\u00e4che messen, indem man Bilder aufnimmt und berechnet, wie viel Verformung man hat. Aber man kann nicht wirklich in das Innere des Materials schauen. Das kann man nur, indem man es zerschneidet und dann ins Innere schaut, um zu sehen, ob es dort irgendwelche Sch\u00e4den gibt.\u201c R\u00f6ntgentechnik wiederum ist teuer und erfordert sperrige Ger\u00e4te.\u00a0\u201eWir haben uns also grunds\u00e4tzlich die Frage gestellt: K\u00f6nnen wir einen KI-Algorithmus entwickeln, der sich anschaut, was an der Oberfl\u00e4che vor sich geht, die wir entweder mit einem Mikroskop oder einem Foto leicht erkennen k\u00f6nnen, oder der einfach nur Dinge an der Oberfl\u00e4che des Materials misst, und dann versucht herauszufinden, was im Inneren vor sich geht?\u201c Zu diesen inneren Informationen k\u00f6nnten Besch\u00e4digungen, Risse oder Spannungen im Material oder Details der inneren Mikrostruktur geh\u00f6ren. Die gleiche Art von Fragen kann auch f\u00fcr biologisches Gewebe gelten, f\u00fcgt Markus B\u00fchler hinzu. \u201eGibt es dort eine Krankheit, eine Art Wachstum oder Ver\u00e4nderungen im Gewebe?\u201c Ziel war es, ein System zu entwickeln, das diese Art von Fragen auf eine v\u00f6llig nicht-invasive Weise beantworten kann.<\/p>\r\n

Mit Deep-Learning-System dem Innenleben von Materialien auf der Spur<\/h3>\r\n

\u201eUm dieses Ziel zu erreichen, musste man sich mit komplexen Fragestellungen auseinandersetzen, unter anderem mit der Tatsache, dass es f\u00fcr viele dieser Probleme mehrere L\u00f6sungen gibt\u201c, so B\u00fchler. So k\u00f6nnen beispielsweise viele verschiedene interne Konfigurationen die gleichen Oberfl\u00e4cheneigenschaften aufweisen. Um mit dieser Mehrdeutigkeit umzugehen, \u201ehaben wir Methoden entwickelt, die uns alle M\u00f6glichkeiten, im Grunde alle Optionen, die zu diesem bestimmten [Oberfl\u00e4chen-]Szenario f\u00fchren k\u00f6nnten, aufzeigen\u201c.<\/p>\r\n

\"\"\r\n
Ein m\u00f6gliches Anwendungsfeld: Zerst\u00f6rungsfreie Materialpr\u00fcfung. (Bild: Techexplore.com \/ MIT)<\/figcaption>\r\n<\/figure>\r\n

Bei der von ihnen entwickelten Technik wurde ein KI-Modell anhand grosser Datenmengen \u00fcber Oberfl\u00e4chenmessungen und die damit verbundenen inneren Eigenschaften trainiert. Dazu geh\u00f6rten nicht nur einheitliche Materialien, sondern auch solche, die verschiedene Materialien in Kombination enthalten. \u201eEinige neue Flugzeuge werden aus Verbundwerkstoffen hergestellt, so dass sie absichtlich aus verschiedenen Phasen bestehen\u201c, sagt B\u00fchler. \u201eUnd nat\u00fcrlich wird auch in der Biologie jede Art von biologischem Material aus mehreren Komponenten hergestellt, die sehr unterschiedliche Eigenschaften haben, wie z. B. bei Knochen, wo es sehr weiche Proteine und sehr starre Mineralstoffe gibt.\u201c<\/p>\r\n

Breit anwendbare Methode<\/h3>\r\n

Die Technik funktioniert sogar bei Materialien, deren Komplexit\u00e4t noch nicht vollst\u00e4ndig verstanden ist, sagt Markus B\u00fchler. \u201eBei komplexem biologischem Gewebe verstehen wir nicht genau, wie es sich verh\u00e4lt, aber wir k\u00f6nnen das Verhalten messen. Wir haben keine Theorie daf\u00fcr, aber wenn wir gen\u00fcgend Daten gesammelt haben, k\u00f6nnen wir das Modell trainieren.\u201c<\/p>\r\n

Zhenze Yang sagt, dass die von ihnen entwickelte Methode breit anwendbar ist. \u201eSie ist nicht nur auf Probleme der Festk\u00f6rpermechanik beschr\u00e4nkt, sondern kann auch in anderen technischen Disziplinen wie der Str\u00f6mungsdynamik und anderen Bereichen angewendet werden.\u201c B\u00fchler f\u00fcgt hinzu, dass sich damit eine Vielzahl von Eigenschaften bestimmen l\u00e4sst, nicht nur Spannung und Dehnung, sondern auch Fl\u00fcssigkeits- oder Magnetfelder, zum Beispiel die Magnetfelder in einem Fusionsreaktor. Es ist \u201esehr universell, nicht nur f\u00fcr verschiedene Materialien, sondern auch f\u00fcr verschiedene Disziplinen\u201c.<\/p>\r\n

Yang sagt, dass er erstmals \u00fcber diesen Ansatz nachdachte, als er Daten \u00fcber ein Material untersuchte, bei dem ein Teil der von ihm verwendeten Bilder unscharf war, und er sich fragte, wie es m\u00f6glich sein k\u00f6nnte, die fehlenden Daten in dem unscharfen Bereich \u201eauszuf\u00fcllen\u201c. \u201eWie k\u00f6nnen wir diese fehlenden Informationen wiederherstellen?\u201c, fragte er sich. Als er weiter las, stellte er fest, dass dies ein Beispiel f\u00fcr ein weit verbreitetes Problem war, das als inverses Problem bekannt ist, bei dem versucht wird, fehlende Informationen wiederherzustellen.<\/p>\r\n

Wie das Deep-Learning-System f\u00fcr Materialeigenschaften entwickelt wurde<\/h3>\r\n

Bei der Entwicklung der Methode handelte es sich um einen iterativen Prozess, bei dem das Modell vorl\u00e4ufige Vorhersagen machte, diese mit den tats\u00e4chlichen Daten \u00fcber das betreffende Material verglich und dann das Modell weiter verfeinerte, um diese Informationen zu ber\u00fccksichtigen. Das daraus resultierende Modell wurde an F\u00e4llen getestet, in denen die Materialien gut genug bekannt sind, um die tats\u00e4chlichen inneren Eigenschaften zu berechnen, und die Vorhersagen der neuen Methode stimmten gut mit den berechneten Eigenschaften \u00fcberein.<\/p>\r\n

Zu den Trainingsdaten geh\u00f6rten Bilder der Oberfl\u00e4chen, aber auch verschiedene andere Messungen von Oberfl\u00e4cheneigenschaften, darunter Spannungen sowie elektrische und magnetische Felder. In vielen F\u00e4llen verwendeten die Forscher simulierte Daten, die auf einem Verst\u00e4ndnis der zugrunde liegenden Struktur eines bestimmten Materials beruhten. Und selbst wenn ein neues Material viele unbekannte Eigenschaften hat, kann die Methode eine Ann\u00e4herung erzeugen, die gut genug ist, um Ingenieuren eine allgemeine Richtung f\u00fcr weitere Messungen vorzugeben.<\/p>\r\n

Die beiden Forscher gehen davon aus, dass diese Methode, die \u00fcber die Website GitHub<\/a> f\u00fcr jedermann frei zug\u00e4nglich ist, zun\u00e4chst vor allem in Laborumgebungen angewandt wird, zum Beispiel beim Testen von Materialien f\u00fcr Soft-Robotik-Anwendungen.<\/p>\r\n

Quelle: Techexplore.com<\/a><\/em><\/p>\n

Dieser Beitrag erschien urspr\u00fcnglich auf m-q.ch - https:\/\/www.m-q.ch\/de\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/<\/a><\/p>","protected":false},"excerpt":{"rendered":"

You may already be able to tell what's inside a book based on its cover. MIT researchers say the same can now be done for materials of all kinds, whether it's an aircraft part or a medical implant. With their new approach, engineers can figure out what's going on inside the material simply by observing the properties of the material's surface.<\/p>","protected":false},"author":8,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_yoast_wpseo_focuskw":"Deep Learning Materialanalyse","_yoast_wpseo_metadesc":"MIT entwickelt Deep Learning System zur Analyse von Materialeigenschaften: Neue Methodik f\u00fcr zuverl\u00e4ssige Vorhersagen.","articlekey":"","footnotes":""},"categories":[582],"tags":[3748],"class_list":["post-20002","post","type-post","status-publish","format-standard","hentry","category-operational-excellence","tag-oberflaechen"],"acf":[],"yoast_head":"\nDeep-Learning-System erforscht das Innere von Materialien von ausserhalb - Organisator<\/title>\n<meta name=\"description\" content=\"MIT entwickelt Deep Learning System zur Analyse von Materialeigenschaften: Neue Methodik f\u00fcr zuverl\u00e4ssige Vorhersagen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.organisator.ch\/en\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb - Organisator\" \/>\n<meta property=\"og:description\" content=\"MIT entwickelt Deep Learning System zur Analyse von Materialeigenschaften: Neue Methodik f\u00fcr zuverl\u00e4ssige Vorhersagen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.organisator.ch\/en\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/\" \/>\n<meta property=\"og:site_name\" content=\"Organisator\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/OrganisatorFachmagazin\" \/>\n<meta property=\"article:published_time\" content=\"2023-05-02T01:29:04+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-11-16T12:50:03+00:00\" \/>\n<meta name=\"author\" content=\"galledia\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@admin\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/\"},\"author\":{\"name\":\"galledia\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#\\\/schema\\\/person\\\/4e51799071cd2dd1232ac003643ef5f0\"},\"headline\":\"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb\",\"datePublished\":\"2023-05-02T01:29:04+00:00\",\"dateModified\":\"2024-11-16T12:50:03+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/\"},\"wordCount\":1042,\"publisher\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.m-q.ch\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg\",\"keywords\":[\"Oberfl\u00e4chen\"],\"articleSection\":[\"OPERATIONAL EXCELLENCE\"],\"inLanguage\":\"en-US\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/\",\"url\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/\",\"name\":\"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb - Organisator\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.m-q.ch\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg\",\"datePublished\":\"2023-05-02T01:29:04+00:00\",\"dateModified\":\"2024-11-16T12:50:03+00:00\",\"description\":\"MIT entwickelt Deep Learning System zur Analyse von Materialeigenschaften: Neue Methodik f\u00fcr zuverl\u00e4ssige Vorhersagen.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.m-q.ch\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg\",\"contentUrl\":\"https:\\\/\\\/www.m-q.ch\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/operational-excellence\\\/2023-05-02\\\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.organisator.ch\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#website\",\"url\":\"https:\\\/\\\/www.organisator.ch\\\/\",\"name\":\"Organisator\",\"description\":\"Kompetent. Praxisnah. Der ORGANISATOR bereitet in 10 Ausgaben pro Jahr die wesentlichen Themen f\u00fcr F\u00fchrungskr\u00e4fte von KMU auf.\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.organisator.ch\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#organization\",\"name\":\"Organisator\",\"url\":\"https:\\\/\\\/www.organisator.ch\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.organisator.ch\\\/wp-content\\\/uploads\\\/2022\\\/01\\\/Logo_Organisator_Website.png\",\"contentUrl\":\"https:\\\/\\\/www.organisator.ch\\\/wp-content\\\/uploads\\\/2022\\\/01\\\/Logo_Organisator_Website.png\",\"width\":800,\"height\":77,\"caption\":\"Organisator\"},\"image\":{\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/OrganisatorFachmagazin\",\"https:\\\/\\\/www.linkedin.com\\\/showcase\\\/organisator-das-magazin-fr-kmu\",\"https:\\\/\\\/www.xing.com\\\/news\\\/pages\\\/organisator-ch-695\",\"https:\\\/\\\/www.youtube.com\\\/channel\\\/UCGP2Sq0iWaZwT3BdIAQFYpw\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.organisator.ch\\\/#\\\/schema\\\/person\\\/4e51799071cd2dd1232ac003643ef5f0\",\"name\":\"galledia\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/78a7f90c01fc2bfc875782a0d4922b37cde2cf184ce347b91316d23cd7f69a36?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/78a7f90c01fc2bfc875782a0d4922b37cde2cf184ce347b91316d23cd7f69a36?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/78a7f90c01fc2bfc875782a0d4922b37cde2cf184ce347b91316d23cd7f69a36?s=96&d=mm&r=g\",\"caption\":\"galledia\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/admin\"],\"url\":\"https:\\\/\\\/www.organisator.ch\\\/en\\\/author\\\/galledia\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Deep learning system explores the inside of materials from outside - organizer","description":"MIT develops deep learning system to analyze material properties: New methodology for reliable predictions.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.organisator.ch\/en\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/","og_locale":"en_US","og_type":"article","og_title":"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb - Organisator","og_description":"MIT entwickelt Deep Learning System zur Analyse von Materialeigenschaften: Neue Methodik f\u00fcr zuverl\u00e4ssige Vorhersagen.","og_url":"https:\/\/www.organisator.ch\/en\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/","og_site_name":"Organisator","article_publisher":"https:\/\/www.facebook.com\/OrganisatorFachmagazin","article_published_time":"2023-05-02T01:29:04+00:00","article_modified_time":"2024-11-16T12:50:03+00:00","author":"galledia","twitter_card":"summary_large_image","twitter_creator":"@admin","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#article","isPartOf":{"@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/"},"author":{"name":"galledia","@id":"https:\/\/www.organisator.ch\/#\/schema\/person\/4e51799071cd2dd1232ac003643ef5f0"},"headline":"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb","datePublished":"2023-05-02T01:29:04+00:00","dateModified":"2024-11-16T12:50:03+00:00","mainEntityOfPage":{"@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/"},"wordCount":1042,"publisher":{"@id":"https:\/\/www.organisator.ch\/#organization"},"image":{"@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#primaryimage"},"thumbnailUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2023\/05\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg","keywords":["Oberfl\u00e4chen"],"articleSection":["OPERATIONAL EXCELLENCE"],"inLanguage":"en-US"},{"@type":"WebPage","@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/","url":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/","name":"Deep learning system explores the inside of materials from outside - organizer","isPartOf":{"@id":"https:\/\/www.organisator.ch\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#primaryimage"},"image":{"@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#primaryimage"},"thumbnailUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2023\/05\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg","datePublished":"2023-05-02T01:29:04+00:00","dateModified":"2024-11-16T12:50:03+00:00","description":"MIT develops deep learning system to analyze material properties: New methodology for reliable predictions.","breadcrumb":{"@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#primaryimage","url":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2023\/05\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg","contentUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2023\/05\/Deep-Learning-System-erforscht-das-Innere-von-Materialien-von-ausserhalb-1_MQ.jpg"},{"@type":"BreadcrumbList","@id":"https:\/\/www.organisator.ch\/operational-excellence\/2023-05-02\/deep-learning-system-erforscht-das-innere-von-materialien-von-ausserhalb\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.organisator.ch\/"},{"@type":"ListItem","position":2,"name":"Deep-Learning-System erforscht das Innere von Materialien von ausserhalb"}]},{"@type":"WebSite","@id":"https:\/\/www.organisator.ch\/#website","url":"https:\/\/www.organisator.ch\/","name":"Organizer","description":"Competent. Practical. In 10 issues per year, ORGANISATOR presents the essential topics for managers of SMEs.","publisher":{"@id":"https:\/\/www.organisator.ch\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.organisator.ch\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/www.organisator.ch\/#organization","name":"Organizer","url":"https:\/\/www.organisator.ch\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.organisator.ch\/#\/schema\/logo\/image\/","url":"https:\/\/www.organisator.ch\/wp-content\/uploads\/2022\/01\/Logo_Organisator_Website.png","contentUrl":"https:\/\/www.organisator.ch\/wp-content\/uploads\/2022\/01\/Logo_Organisator_Website.png","width":800,"height":77,"caption":"Organisator"},"image":{"@id":"https:\/\/www.organisator.ch\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/OrganisatorFachmagazin","https:\/\/www.linkedin.com\/showcase\/organisator-das-magazin-fr-kmu","https:\/\/www.xing.com\/news\/pages\/organisator-ch-695","https:\/\/www.youtube.com\/channel\/UCGP2Sq0iWaZwT3BdIAQFYpw"]},{"@type":"Person","@id":"https:\/\/www.organisator.ch\/#\/schema\/person\/4e51799071cd2dd1232ac003643ef5f0","name":"galledia","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/secure.gravatar.com\/avatar\/78a7f90c01fc2bfc875782a0d4922b37cde2cf184ce347b91316d23cd7f69a36?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/78a7f90c01fc2bfc875782a0d4922b37cde2cf184ce347b91316d23cd7f69a36?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/78a7f90c01fc2bfc875782a0d4922b37cde2cf184ce347b91316d23cd7f69a36?s=96&d=mm&r=g","caption":"galledia"},"sameAs":["https:\/\/x.com\/admin"],"url":"https:\/\/www.organisator.ch\/en\/author\/galledia\/"}]}},"_links":{"self":[{"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/posts\/20002","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/comments?post=20002"}],"version-history":[{"count":3,"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/posts\/20002\/revisions"}],"predecessor-version":[{"id":33187,"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/posts\/20002\/revisions\/33187"}],"wp:attachment":[{"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/media?parent=20002"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/categories?post=20002"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.organisator.ch\/en\/wp-json\/wp\/v2\/tags?post=20002"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}