Schematisk bild för såddprojektet: Maskininlärning för att förutsäga de mekaniska egenskaperna hos högpresterande oxynitridglas.

Såddprojekt: Maskininlärning för att förutsäga de mekaniska egenskaperna hos högpresterande oxynitridglas

Detta projekt syftar till att utveckla en maskininlärningsmodell (ML) för att förutsäga de mekaniska egenskaperna hos högpresterande oxynitridglas, vilka är svåra att analysera med traditionella metoder. Målet är att förbättra materialdesignen för industrier som skärmar, elektronik och rymdteknik genom att använda ML för exakta och effektiva egenskapsförutsägelser.

Fakta om projektet

Projektledare
Sharafat Ali
Övriga projektmedlemmar
Shafiullah Soomro, Shahid Sattar, Hatem Algabroun, Karolina Milewska
Deltagande organisationer
Linnéuniversitetet
Finansiär
Linnaeus University Centre for Data Intensive Sciences and Applications (DISA), Carl Tryggers Stiftelse
Tidsplan
Maj 2025 - dec 2025
Ämne
Materialvetenskap (speciellt glasvetenskap) (institutionen för byggd miljö och energiteknik (BET), dataanalys, maskininlärning, och datavetenskap (institutionen för datavetenskap och medieteknik, institutionen för maskinteknik och institutionen för fysik och elektroteknik, fakulteten för teknik)
Forskargrupp
Smart Industry Group (SIG)
Spetsforskningscenter
Linnaeus University Centre for Data Intensive Sciences and Applications (DISA)
Kunskapsmiljö Linné
Kunskapsmiljö Linné: Avancerade material

Mer om projektet

Detta såddprojekt fokuserar på att använda maskininlärning för att förutsäga de mekaniska egenskaperna hos oxynitridglas – avancerade material som är starkare, tuffare och mer värmebeständiga än vanligt glas. Genom att ersätta en del syre med kväve blir dessa glas mer hållbara, vilket gör dem idealiska för krävande tillämpningar som skärmar, elektronik, rymdteknik och bilindustri. Deras komplexa struktur gör dock att de är svåra att studera med traditionella metoder.

Teamet kommer att träna datormodeller för att identifiera dolda mönster i glasets sammansättning, vilket avslöjar hur kväve förändrar materialets struktur och egenskaper. ML-modellen kommer att förutsäga hur nya glasformler kommer att prestera, vilket sparar tid, pengar och laboratorieförsök.

Om framgångsrikt kan denna forskning revolutionera designen av nästa generations amorfa material, från ultra-durable mobilskärmar till säkerhetsglas i jetmotorer. Det är ett litet steg mot en framtid där AI och materialvetenskap samarbetar för att skapa det okrossbara.

Projektet är en del av:

Vad är ett såddprojekt?

Ett såddprojekt är ett mindre projekt som finansieras av en kunskapsmiljö eller en forskargrupp vid universitetet. Avsikten är att starta och främja framstående forskning. Beroende på finansiär kan ett såddprojekt handla om att identifiera nya eller fördjupa befintliga samarbeten, gärna tvärvetenskapliga, att utforska forskningsfrågor i en förstudie, att samla empiriskt material eller att skriva en ansökan om externa forskningsmedel.