Lokális folyásfeszültség előrejelzése diszlokációdinamikai szimulációk alapján

Témavezető:	Lukács András
	ELTE Matematikai Intézet
email:	andras.lukacs@ttk.elte.hu

Projekt leírás

A projekt során az anyagok lokális keménységét jellemző ún. lokális folyásfeszültségget tervezzük megbecsülni gépi/mély tanulás segítségével. A tanításhoz használt adat numerikus szimulációkból származik, és az előrejelzés a kezdeti mikroszerkezet alapján történik. Az adatok reprezentációjának függvényében többféle deep learning modellt is használhatunk (CNN, GCN, transformer). Az önálló projekt keretében elsőként a konvolúciós képfeldoldolgás alkalmazása lesz fő irány. A munka során lehetőség van bekapcsolódni már folyó kutatásokba.

Előfeltételek

• angol nyelvű szakcikkek olvasása
• meglévő programozási tudás, Python programozási nyelv legalább alap-közepes szintű ismerete, vagy gyors elsajátításának képessége
• előny az adatbányászat, gépi, ill. mély tanulás alapjainak ismerete, a gépi/mély tanulásban használatos programcsomagok ismerete

Hivatkozások

[1] Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT Press, 2016. http://www.deeplearningbook.org/

[2] Zhang, Aston, et al. Dive into deep learning. https://d2l.ai/

[3] Ispánovity et al. Mikromechanikai folyamatok előrejelzése (prezentáció) https://docs.google.com/presentation/d/1ou_AUFF1Xv5RMozK5T_H4yKHH6-iEpfU/edit#slide=id.p13