Refractories often face corrosive wear due to diffusion in liquid slags at high temperatures. Therefore, the study of the dissolution kinetics in the slag is essential. We introduce a deep learning-based approach enabling the automated evaluation of the particle dissolution rate with high precision.
Research team Roland Brunner (Roland Brunner, Fereshteh Falah Chamasemani)
Contact details:
Priv.- Doz. Dr. Roland Brunner
Group Leader Material and damage analytics
Department Microelectronics
Tel: +43 3842 45922 - 48
Mobil: +43 676 848883 151
Email: roland.brunner(at)mcl.at
For more information, also visit:
- https://communities.springernature.com/posts/deep-learning-for-refractory-materials
- Complete paper: https://www.nature.com/articles/s41598-024-71640-8
***
Paper: Der Einsatz von Deep Learning für feuerfeste Materialien
Feuerfeste Materialien unterliegen häufig korrosivem Verschleiß aufgrund von Diffusion in flüssigen Schlacken bei hohen Temperaturen. Daher ist die Untersuchung der Auflösungskinetik in der Schlacke von entscheidender Bedeutung. Wir stellen einen auf Deep Learning basierenden Ansatz vor, der die automatisierte Bewertung der Partikelauflösungsrate mit hoher Präzision ermöglicht.
Forschungsteam Roland Brunner (Roland Brunner, Fereshteh Falah Chamasemani)
Kontaktdaten:
Priv.- Doz. Dr. Roland Brunner
Group Leader Material and damage analytics
Department Microelectronics
Tel: +43 3842 45922 - 48
Mobil: +43 676 848883 151
Email: roland.brunner@mcl.at
Weitere Informationen:
- https://communities.springernature.com/posts/deep-learning-for-refractory-materials
- Vollständiges Paper: https://www.nature.com/articles/s41598-024-71640-8
