iPMT

Datensynthese für Anwendungen in der intelligenten Partikelmesstechnik

Motivation

Erzeugung von synthetischen Daten für Künstliche Intelligenz

Das Bundesministerium für Bildung und Forschung (BMBF) beabsichtigt mit der Richtlinie zur Förderung von Projekten zum Thema „Erzeugung von synthetischen Daten für Künstliche Intelligenz“ interdisziplinäre und anwendungsorientierte Forschungs- und Entwicklungsvorhaben zu fördern. Das Ziel der Förderrichtlinie ist es, neue Methoden zur Erzeugung synthetischer Daten für die Erstellung und Validierung von KI-Modellen zu entwickeln bzw. schon vorhandene Methoden zu verbessern oder auch gegebene personenbezogene Datenbestände zu anonymisieren. Durch die Maßnahme soll die Spitzenposition Deutschlands im Bereich KI gesichert und weiter ausgebaut werden. Die Förderung von Verbundprojekten soll hierbei den Transfer zwischen Wissenschaft und Wirtschaft zum Vorteil beider Parteien verstärken. Partikel im Bild Partikel spielen in zahlreichen Bereichen der Industrie eine wichtige Rolle. Allein in der chemischen Industrie werden mehr als 60% aller hergestellten Produkte in partikulärer Form vertrieben, bei weiteren 20% der Produkte sind Partikel während der Herstellung beteiligt. Von zentraler Bedeutung sind dabei die chemischen und physikalischen Eigenschaften der Partikelsysteme, die von Partikelgrößen- und Partikelformverteilungen abhängen. Dabei kommt der Partikelmesstechnik eine entscheidende Rolle zu. Durch die riesige Vielfalt an Kombinationen von Partikelformen, Partikelmaterialien und Analysemethoden, ist die Auswertung der Messdaten eine große Herausforderung. Bisherige Methoden werden vor allem händisch durchgeführt und/oder erfordern viele Ressourcen.

Ziele und Vorgehen

Ziel des Projekts iPMT ist es, Methoden zur Synthese von Trainingsdaten für KI-Verfahren zu entwickeln, die die aufwändige manuelle Auswertung reduzieren oder ganz überflüssig machen und die Qualität der resultierenden Daten zu erhöhen. Das vorgeschlagene Projekt gliedert sich in zwei Abschnitte. Während des ersten Abschnitts werden zunächst Methoden entwickelt, um 3D-Modelle von Partikelsystemen als Basis der parameter-basierten Synthese von Partikelbildern zu generieren. Im Falle der Partikelbilder wird die parameter-basierte Methode durch Kombination mit KI-Methoden zunächst zu einer hybriden Methode erweitert und damit aus Anwendersicht vereinfacht. Während des zweiten Projektabschnitts werden die zuvor entwickelten Methoden zur Datensynthese dazu genutzt, die Eigenschaften eines industrierelevanten Modellsystems zu untersuchen und mit konventionell erstellten Referenzdaten zu vergleichen. Auf diese Art und Weise werden einerseits die zuvor entwickelten Methoden zur Datensynthese validiert und andererseits neue Anwendungsfelder für die KI-gestützte Partikelmesstechnik erschlossen und demonstriert.

Innovationen und Perspektiven

Hauptprodukt von iPMT ist eine Reihe von Open-source Softwarepaketen, welche Anwendern eine möglichst intuitive und unkomplizierte Synthese hochrealistischer Bilder von Partikelsystemen ermöglichen. Im Falle besonders rechenintensiver Syntheseverfahren werden nicht nur die verwendeten Methoden, sondern auch die damit hergestellten Daten in Form einer frei zugänglichen Datenbank veröffentlicht. Die Dokumentation der implementierten Software und der erzeugten Daten erfolgt im Rahmen von Open-access Publikationen.

Projektinformation

Projektleitung

Universität Duisburg-Essen
Bismarckstr. 81
47057 Duisburg

Volumen

1.223.491,00 €

Laufzeit

08/2021 – 07/2023

Projektpartnerinnen und -partner

Universität Duisburg-EssenFriedrich-Alexander-UniversitätLUM GmbHSOPAT GmbH