Få opslag som dette inden alle andre

DTU Studieprojekt - Property prediction of stainless steels with machine learning via stacking fault energies

Danmarks Tekniske Universitet (DTU)



Property prediction of stainless steels with machine learning via stacking fault energies

Udbyder
Vejleder
Sted
København og omegn
In face-centered-cubic (fcc) metals, the stacking fault energy (SFE) is an important property that determines whether a metal deforms via slip, twinning or martensite formation. To optimize the strain hardening of metals, these deformation modes need to be appropriately balanced. The SFE is therefore a critical design parameter for identifying new alloys with improved mechanical properties. Unfortunately, the SFE is difficult to measure experimentally. It is therefore of immediate interest to attempt the prediction of SFE’s based on a metal’s composition with computational methods.

The present project aims at predicting the SFE in stainless steels with machine learning. The machine learning model will be trained on an existing large database of SFE values from experimental measurements, and thermodynamics and first principles modeling. The project consists of the following major phases: 1) The database will be read in via a python script/notebook to be filtered and separated into training and validation datasets. 2) Fundamental properties of the composition will be sourced via an interface from the Materials Project repository (https://materialsproject.org/). This gives a wider range of data for the machine learning models to work with. 3) Generic machine learning models, such as random forests and linear regression, will be trained using the attributes from step 2). The applied models are already implemented in the SciKit learn library. Benchmarking of different models and parameters will be an essential part of the project. 4) The trained models will be used to predict SFE’s. Here, the performance of the model on a validation dataset will be measured to determine the predictive capabilities of the model.

If applicable, the project can be extended to directly predict the deformation modes of metals by extension of the database and the model setup. A suitable student for this project should show interest in computational property prediction in stainless steels. The project will involve programming in Python and application of generic machine learning libraries, which are in-demand qualifications in industry. Some experience in programming (Python or MATLAB) is required, while prior experience with machine learning is an advantage, but by no means required.

Emneord

  • Bioteknologi og biokemi
  • Konstruktion og mekanik
  • Energi
  • Fysik
  • Informationsteknologi
  • Kemi
  • Matematik
  • Materialer
  • Produktion og ledelse
  • Transport og logistik
  • Forbrændingsmotorer
  • Kyster og havne
  • Maskinkonstruktion
  • Skibe og off-shore-konstruktioner
  • Energiproduktion
  • Kraftværker
  • Lasere
  • Mikro- og nanoteknologi
  • Optik
  • Sensorer
  • Analytisk og teoretisk kemi
  • Katalyse
  • Teknisk kemi
  • Nanopartikler
  • Polymerer
  • Nanomedicin
  • Sundhed og sygdomme
  • Entreprenørskab
  • Innovation og produktudvikling
  • Livscyklusanalyse
Tags
  • materials
Kontakt
Virksomhed/organisation
DTU Mekanik

Navn
Marcel Adrianus Johannes Somers

Stilling
Professor, Dr.ir.

Mail
[email protected]

Vejleder-info
Bachelor i General Engineering
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Bachelor i Design & Innovation
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Bachelor i Produktion og Konstruktion
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Bachelor i Fysik og Nanoteknologi
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Diplomingeniør, Kemi- og Bioteknik (tidl. Kemi- og Bioteknologi)
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Diplomingeniør, Maskinteknik
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Kandidatuddannelsen i Anvendt Kemi
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Kandidatuddannelsen i Kemisk og Biokemisk Teknologi
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Kandidatuddannelsen i Design og Innovation
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Kandidatuddannelsen i Konstruktion og Mekanik
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Kandidatuddannelsen i Materiale- og Procesteknologi
Vejleder
Marcel Adrianus Johannes Somers

Medvejledere
Matteo Villa, Frank Nießen

Type
Afgangsprojekt, Andet, Bachelorprojekt, Fagprojekt, Kandidatspeciale, Kursusrelaterede projekter, Specialkursus

Opslaget er indhentet automatisk fra virksomhedens jobsider og vises derfor kun som uddrag. Log ind for at se det fulde opslag eller gå videre til opslaget her:

læs opslaget hos Danmarks Tekniske Universitet (DTU)



gem
husk frist
print
send til mig
Ansøgningsfrist: snarest muligt
Geografiske områder

Jobsøgerinteresse

Hvor meget interesse vækker opslaget hos de jobsøgende? Log ind og se, hvor populært opslaget er.



Angiv venligst i din ansøgning, at du har set opslaget i StuderendeOnline

Ansøg
Opslagstype
Studieprojekt/speciale
Geografi
Storkøbenhavn
Uddannelse
Anlæg, Byggeri & Konstruktion
IT
Kemi, Biotek & Materialer
Maskin & Design
Matematik, Fysik & Nano
Naturvidenskab
Produktion, Logistik & Transport
Teknik & Teknologi
Arbejdsområde
Forskning & Udvikling
Naturvidenskab
Teknik
Få opslag som dette inden alle andre

Danmarks Tekniske Universitet (DTU) - hurtigt overblik


Danmarks Tekniske Universitet (DTU)
Danmarks Tekniske Universitet (DTU)
DTU udvikler teknologi for mennesker. Med vores forskning og uddannelser i international topklasse er vi med til at skabe en bedre verden, og vi bidrager til løsningen af de globale udfordringer formuleret i FN’s 17 verdensmål for en bæredygtig udvikling. H.C. Ørsted grundlagde DTU i 1829 med en klar vision om at udvikle og nyttiggøre naturvidenskab og teknisk videnskab til gavn for samfundet. Den vision lever den dag i dag. DTU har 13.400 studerende og 5.800 ansatte. Vi arbejder i en international atmosfære og har et inkluderende, udviklende og uformelt arbejdsmiljø. DTU har campusser i hele Danmark og i Grønland og samarbejder med de bedste universiteter verden over.

Placering
Anker Engelunds Vej 1
2800 Kgs. Lyngby
Logo: Danmarks Tekniske Universitet (DTU)
Efterspørgsel efter nye talenter

Hvilke jobtyper og arbejdsområder udbyder vi normalt og hvor mange nye talenter søger vi efter?


Nyeste tweets
Facebook feed

Find mere info på www.dtu.dk

Er der andre informationer om os, som du burde vide? Se, hvad en Google-søgning siger.



https://studerendeonline.dk/job/1584840//
Karriereprofil i Jobbanken
Opret karriereprofil: Automatiser din jobsøgning med jobagenter, få adgang til nyeste job før andre og bliv synlig for arbejdsgivere med en talentprofil.
HPT