english  | Home | Impressum | Datenschutz | KIT

Optimierung eines zerstörungsfreien Verfahren für Dicke- und Konzentrationsmessung mittels Machine Learning Methoden

Optimierung eines zerstörungsfreien Verfahren für Dicke- und Konzentrationsmessung mittels Machine Learning Methoden
Typ:Bachelor-/ Masterarbeit
Datum:offen (zu vergeben)
Betreuer:

M. Sc. Xiang Xie

Optimierung eines zerstörungsfreien Verfahren für Dicke- und Konzentrationsmessung mittels Machine Learning Methoden

.
.
.
.

Umfeld

Die Röntgenfluoreszenz (X-ray fluorescence, XRF) ist eine effiziente, präzise und zerstörungsfreie Methode, die für die Bestimmung der elementaren Zusammensetzung und der Schichtdicke weitverbreitet ist. Interessante Anwendungen sind beispielsweise die Überprüfung von Goldschmuck (Ist es wirklich Gold? Ist es Gold 999 oder nur Gold 333?) und die Bestimmung der Dicke von Beschichtungen (typischerweise 4-5 Schichten im Mikrometer Bereich) eines Fahrzeuges.

Wir möchten nun das Verfahren mit Hilfe von Machine Learning Algorithmen revolutionieren, sodass die oben genannte Ziele effizienter, präziser und bequemer erreicht werden können. Dafür sind folgenden Themen offen zu vergeben.

 

Mögliche Themen

Konzipierung und Umsetzung eines Machine Learning Verfahrens für

  • die Prädiktion von Anfangswerten einer Optimierungsmethode (Deep Learning, CNN u.a.)
  • die Verbesserung von Suchstrategie einer Optimierungsmethode (Reinforcement Learning u.a.)
  • die Modellierung eines nichtlinearen Systems (Deep Learning u.a. )

Eigene Ideen sind willkommen.

 

Voraussetzungen

  • Lust und Motivation auf neue Technologie
  • Idealerweise Erfahrungen in
  • Programmierung (Python, C++…)
  • Machine Learning