EVA-II: Künstliche Intelligenz zur Objektverfolgung in Vielteilchensystemen

Die Untersuchung verdünnter Ensembles fester makroskopischer Teilchen, wie zum Beispiel granularer Gase, bildet einen Fokus aktueller internationaler Forschung. Besonderes Interesse gilt unter anderem der Dynamik beim granularen Aufheizen und Abkühlen (Einbringen und Dissipation kinetischer Energie), der Energieverteilung auf die Bewegungsfreiheitsgrade und der Entstehung von Clustern. Diese Forschung ist relevant für das Verständnis fundamentaler physikalischer Fragen, aber auch für industrielle Anwendungen bis hin zur Beschreibung komplexer natürlicher Phänomene in unserer Umgebung und im Kosmos.
Eine der größten Herausforderungen bei Experimenten mit verdünnten Ensembles von Teilchen ist die hinreichend genaue und zuverlässige Identifizierung der Partikel aus optischen Beobachtungen und die Verfolgung ihrer Positionen, Geschwindigkeiten und Orientierungen. Der Umfang der visuell gesammelten Daten, die analysiert werden müssen, ist selbst bei den relativ kurzen Experimenten im Fallturm beträchtlich, erst recht in Parabelflügen oder Raketenexperimen- ten. Verbesserte Aufnahmetechniken mit hoher räumlicher Auflösung und schnellen Bildraten erhöhen die Qualität der Daten erheblich und erlauben neue Fragestellungen. Sie lassen aber gleichzeitig die zu verarbeitenden Datenmengen rapide ansteigen. Die Datenextraktion aus op- tischen Aufnahmen stellt fast immer den Engpass der Auswertung dar.
Das Projekt EVA, das im August 2023 endet, konzentrierte sich auf die Entwicklung eines Softwarepakets für die weitgehend automatische Analyse der Videodaten aus Experimenten vor allem

mit stäbchenförmigen Partikeln. Eine ganze Reihe von Problemen im Zusammenhang mit der Trennung sich überlappender Objekte und der stabilen Partikelverfolgung in 3D wurden gelöst. Die dort entwickelten Methoden wurden auf granulare Gase in Mikrogravitation (µg), aber auch auf Scherexperimente und bei der Identifizierung von Flussprofilen granularer Fluide in zweidimensionalen Geometrien angewandt. Der manuelle Arbeitsaufwand wurde erheblich reduziert, ist aber vor allem bei 3D-Systemen noch unvermeidbar. Unsere Studien zeigen, dass das Konzept des Einsatzes von Maschinelles Lernen-Algorithmen (ML) dennoch vielversprechend und effektiv ist. Wir schlagen hier vor, dieses Konzept weiter zu verfolgen, die bestehende ML-Software zu erweitern und auf verschiedene physikalisch interessante Systeme anzuwenden, in denen experimentelle Daten von Vielteilchensystemen gewonnen werden. Dazu müssen die Programme an komplexere Teilchenformen, an strukturierte Partikel und an Mischungen unterschiedlicher Partikel angepasst werden.
Das Projekt wird eine zentrale Stellung einnehmen bei der mathematischen Behandlung der Objekterkennung und -verfolgung innerhalb einer Reihe von Forschungsvorhaben des Antragstellers, die sich mit der Struktur und Dynamik granularer Gase in µg befassen. In diesen Projekten
kommt es darauf an, Teilchenbewegungen und -orientierungen möglichst automatisch zu ermit- teln und den Anteil der manuellen Ü berwachung und Korrektur gering zu halten. Der personelle
Aufwand zur Datenauswertung wird durch die geplante Automatisierung und Anwendung von ML-Algorithmen um Größenordnungen reduziert, und weit mehr und genauere Auswertungen der Experimente werden möglich. Drei Vorhaben, für die unsere Programme prädestiniert sind, sind das Projekt Kordyga (Projektleiterin Kirsten Harth, TH Brandenburg), wo ein Teil der Untersuchungsobjekte Kugeln mit markierten Segmenten sind, das Projekt JACKS (Projekt- leiter Ralf Stannarius), in dem Raumkreuze und ähnlich komplexe Teilchen verwendet werden, und das Experiment VIP-Gran (ESA Space Grains Topical Team), in dem stark angeregte granulare Gase unterschiedlicher Partikelformen auf Parabelflügen und 2024 auch auf der ISS untersucht werden sollen. Videodaten aus dem abgeschlossenen Studentenprojekt SmartDust (ESA Drop Your Thesis) liegen ebenfalls zur Auswertung bereit.
Im beantragten Projekt werden wir die bestehenden Softwarepakete an die entsprechenden Partikeltypen und Versuchsaufbauten anpassen. Ziel ist sowohl die methodische Entwicklung der Auswerteprogramme als auch die Anwendung auf die in den genannten Projekten angefallenen und weiter anfallenden Datenmengen. Die erstellten Programmpakete finden außerdem Anwendung bei zwei weiteren Projekten des Antragstellers, die sich mit der Scherung und dem Fließen von dichter gepackten Partikelsystemen befassen.