3D-multiskalen-Charakterisierung von zementgebundenen Baustoffen

• Antragstellerinnen / Antragsteller: Professor Dr.-Ing. Horst-Michael Ludwig; Professorin Dr.-Ing. Andrea Osburg; Professor Dr.-Ing. Volker Rodehorst
• Fachliche Zuordnung: Baustoffwissenschaften, Bauchemie, Bauphysik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 518560113

Die Anforderungen an moderne Baustoffe steigen stetig. Die Entwicklung innovativer Lösungen hat eine Vielzahl an Bindemitteln und Betonen hervorgebracht, die oftmals eine sehr komplexe, multiskalig-heterogene Zusammensetzung aufweisen. Mit den Anforderungen an die Baustoffe steigen auch die Anforderungen an die Charakterisierung. Die skalenübergreifende Erfassung von Gefügemerkmalen ist dabei eine nach wie vor eine ungelöste, dennoch aber zentrale Aufgabenstellung. Die skalenübergreifende Charakterisierung liefert dabei einerseits ein verbessertes Verständnis für wesentliche Baustoffeigenschaften (Festigkeit, Fluid- und Gastransport, Dauerhaftigkeit) und ist andererseits auch Grundlage für realitätsnahe Modellierung. Im beantragten Projekt soll durch Kombination von Röntgen-Computertomografie (sub-µ-CT) und Nanotomografie im Rasterelektronenmikroskop (FIB-REM-nT) eine skalenübergreifende 3D-Darstellung des Betongefüges ermöglicht werden. Die quantitative Auswertung der erhobenen Daten wird durch Anwendung neuester Strategien zur Bildverbesserung und -analyse (u.a. Algorithmen des maschinellen Lernens) auf ein völlig neues Niveau gebracht. Innerhalb des ersten Arbeitspaketes werden für beide tomografischen Verfahren an einheitlichen Probekörpern eine optimale Probenpräparation und Datenaufnahme erarbeitet. Das parallele Vorgehen soll eine Registrierung der hochaufgelösten FIB-REM-nT-Daten innerhalb des sub-µ-CT-Volumens erlauben. Dies ist Grundlage, um durch die Anwendung der Algorithmen des maschinellen Lernens die aufgenommenen Daten besser aufzubereiten und damit mehr Phasen zu segmentieren als bisher möglich. Im zweiten Arbeitspaket werden Algorithmen zur Bildregistrierung, -analyse und -segmentierung erarbeitet. Um beispielsweise die Datenqualität zu erhöhen, soll bei der Entrauschung von REM und CT-Daten ein Swin-Transformator-Block in das Encoder-Decoder Faltungsnetz UNet integriert werden, um mittels Synthese von künstlichen Trainingsdaten verschiedene Arten von Rauschen modellieren und entfernen zu können. Damit hochauflösende Segmentierungsergebnisse auf Pixel- und Voxelebene erzielt werden können, soll ein Transformator-basiertes neuronales Netzwerk Swin-UNet++ so umgestaltet werden, dass eine höhere Vorhersagegenauigkeit und Robustheit bei der Identifizierung von Mikromerkmalen möglich werden. Im dritten Arbeitspaket werden die entwickelten Vorgehensweisen und Algorithmen angewandt, um die Nano- bis Makrostruktur von mindestens zwei Mörtelproben zu charakterisieren. Dabei handelt es sich um einen Standardmörtel und einen Mörtel mit einer sehr geringen Porosität. An diesen beiden Proben soll exemplarisch entwickelt und aufgezeigt werden, welche erweiterten Möglichkeiten der Charakterisierung nun zur Verfügung stehen und diese sollen auch mit herkömmlichen Methoden verglichen werden.

• DFG-Verfahren: Sachbeihilfen