Neural Contrast Expansion: Kosten‑effiziente Materialvorhersage
In der Materialwissenschaft ist die Vorhersage der effektiven Eigenschaften von Verbundwerkstoffen ein zentrales Problem. Traditionell werden diese Eigenschaften entweder durch die Lösung von partiellen Differentialgleichungen (PDEs) für einzelne Mikrostrukturproben berechnet – ein aufwendiger Prozess, der jedoch wertvolle Sensitivitätsinformationen liefert, oder durch datengetriebene Modelle, die Mikrostruktur direkt auf die Eigenschaften abbilden. Letztere sind zwar kostengünstiger, wenn die Datenmenge hoch genug ist, aber ihre erlernten Sensitivitäten sind oft schwer nachvollziehbar.
