Machine Learning-Assisted Design of Metal Hydride Alloys for Hydrogen Applications using CALPHAD Predictive Modelling

© Sächsische Aufbaubank

Das HYPHAD-Projekt konzentriert sich auf die Entwicklung neuer Metallhydride zur Wasserstoffnutzung. Metallhydride bieten viele Vorteile für Anwendungen wie Wasserstoffspeicherung, -kompression und -reinigung. Durch den Einsatz von state-of-the-art Datascience und maschinellem Lernen sollen die Materialentdeckung und Optimierung beschleunigt werden. Der Fokus liegt auf der Erforschung von Materialsystemen wie FeTi und TiMn2. Mithilfe von Simulationstechniken und Experimenten werden die chemischen Eigenschaften dieser Legierungen analysiert, um effiziente und nachhaltige Lösungen für Energiesysteme zu entwickeln. Zur Abbildung der komplexen Struktur-Eigenschaftsbeziehungen werden Simulationstechniken auf verschiedenen Größenskalen kombiniert und bis zum industriellen Maßstab validiert.

© Fraunhofer IFAM Dresden