News

Das maschinelle Lernen als ein Teilgebiet der künstlichen Intelligenz gewinnt in vielen Fachgebieten an Bedeutung und tritt neben klassische, rein physikbasierte Methoden. Die Integration physikalischen Wissens erlaubt vielfach verbesserte Modelle des maschinellen Lernens. Dieser Ansatz findet derzeit vermehrt Einsatz auch in der Tribologie. Professor Dr.-Ing. Stephan Tremmel von der Universität Bayreuth und Assistenzprofessor Dr.-Ing. Max Marian von der Pontificia Universidad Católica de Chile beobachten diesen Trend und liefern in einem kürzlich erschienenen, bereits vielbeachteten Artikel in der Fachzeitschrift Lubricants einen Überblick zum derzeitigen Stand des physikgestützten maschinellen Lernens in der Tribologie.

Die Arbeit zielt in erster Linie darauf ab, jüngste Fortschritte beim Einsatz des physikgestützten maschinellen Lernens in der Tribologieforschung hervorzuheben und die daraus resultierenden Herausforderungen darzulegen. Sie dient damit einerseits der Inspiration für Forscher und Entwicklungsingenieure im Umfeld der Tribologie, andererseits ist die Arbeit auch interessant für Datenwissenschaftler und KI-Experten, die potentielle Anwendungsbereiche für neuartige Ansätze und Methoden suchen.

Marian, M.; Tremmel, S. Physics-Informed Machine Learning—An Emerging Trend in Tribology. Lubricants 2023, 11, 463. https://doi.org/10.3390/lubricants11110463