Die Fertigung von Tiefziehwerkzeugen, die Blech in eine PKW-Seitenwand umformen, setzt ingenieurwissenschaftliches Verständnis voraus, wie sich das Material unter physikalischen Belastungen während des Herstellungsprozesses verhält. Die Anwendung physischer Modelle zur Konstruktion von Umformwerkzeugen und die experimentelle Feinabstimmung der Parameter von Pressenlinien sind sehr kosten- und zeitaufwändig, sodass dafür HPC-Simulationen genutzt werden. Forschende des Instituts für Umformtechnik der Universität Stuttgart und des CATALYST-Projekts am HLRS erforschen Möglichkeiten, um die Materialdaten für die Umformsimulation zugänglicher und akkurater zu machen. Unter Berücksichtigung des realistischen Materialverhaltens wird HPC eingesetzt, um bis zu 2 Mrd. Simulationen des Werkstoffverhaltens zu erstellen. Auf Basis dieser Daten können die Forschenden durch Deep-Learning-Methoden ein neuronales Netz darauf trainieren, das Verhalten diverser Metallarten zu evaluieren und zu definieren. Das daraus resultierende vereinfachte Modell könnte als Werkzeug in der Blechproduktion und -verarbeitung angewandt werden. Weitere Informationen: hlrs.de/de/whats-new/news/detail-view/2021-10-20/