FZ:GEONews und Veranstaltungen
NFDI4Earth: Incubator Projekt für Artem Leichter

NFDI4Earth: Incubator Projekt für Artem Leichter

Artem Leichter war erfolgreich bei der Ausschreibung um sog. Incubator Projekte bei der NFDI4Earth. Von 23 eingereichten Anträgen werden fünf im nächsten halben Jahr gefördert. Artem führt das Projekt in Kooperation mit Renat Almeev und ​Francois Holtz vom ​Institut für Mineralogie der Leibniz University Hannover durch.

Großer Erfolg für Artem Leichter vom Institut für Kartographie und Geoinformatik.

Er war erfolgreich bei der Ausschreibung um sog. Incubator Projekte bei der NFDI4Earth. Von 23 eingereichten Anträgen werden 5 im nächsten halben Jahr gefördert.

Artem führt das Projekt in Kooperation mit Renat Almeev und ​Francois Holtz vom ​Institut für Mineralogie der Leibniz University Hannover durch.

Die Erstellung von Trainingsdatensätzen für Anwendungen des maschinellen Lernens (ML) ist immer zeit- und kostenaufwändig. In Bereichen, in denen ein hohes Maß an Fachwissen erforderlich ist, um die Referenzdaten zu erzeugen, sind die entsprechenden Kosten hoch und bremsen somit den Einsatz von Systemen der künstlichen Intelligenz (KI). Dieser Vorschlag konzentriert sich auf die automatisierte Mineralogie und wird Werkzeuge zur Charakterisierung der mikroskopischen Textur und der mineralogischen Merkmale von Gesteinsdünnschliffen anhand von Rückstreuelektronenbildern bereitstellen. Unser Ziel ist es, dieses Problem mit einer Data-Mining-Anwendung anzugehen, bei der unüberwachte Methoden in Kombination mit fachkundigen Nutzern Referenzdaten ohne zusätzlichen Aufwand und Kosten für explizite Beschriftungen erzeugen. Die Werkzeuge werden so entwickelt, dass sie auch von Wissenschaftlern genutzt werden können, die keine tiefgreifenden ML-Kenntnisse haben.

 

Dieses Projekt baut auf erfolgreicher Zusammenarbeit der Partner im Rahmen des Forschungszentrums FZ:GEO durch [Leichter et al., 2022].

Leichter, A., Almeev, R. R., Wittich, D., Beckmann, P., Rottensteiner, F., Holtz, F., & Sester, M., 2022: Automated Segmentation of Olivine Automated Segmentation of Olivine Phenocrysts in a volcanic rock thin section using a Fully Convolutional Neural Network. Frontiers in Earth Science, 612.


Verfasst von Monika Sester