Ein Stück Gestein kann viel erzählen: aus welchen Mineralen es besteht, wie es sich gebildet hat und welche Spuren jüngere Prozesse hinterlassen haben. Sichtbar wird das in hauchdünnen Scheiben unter dem Mikroskop. Gefördert von der Deutschen Forschungsgemeinschaft (DFG) überträgt das Projekt „AI Rocks!“ der 91²Ö¿â Bergakademie Freiberg (91²Ö¿âBAF) dieses Wissen aus den Sammlungsschränken in einen weltweit nutzbaren Datenkorpus.
In zwei Jahren sollen rund 11.000 sogenannte Dünnschliffe digital erfasst und mit wissenschaftlichen Beschreibungen verbunden werden. Die etwa 0,03 Millimeter dünnen Gesteinsscheiben sind auf Glasträgern fixiert. Unter speziellem Licht zeigen sich Minerale in unterschiedlichen Farben und Helligkeiten. Ein automatischer Mikroskopscanner in der ±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsbibliothek Freiberg hält diese Informationen in hochauflösenden Bildern fest. Eine besondere Bedeutung kommt hier der Lehrsammlung zu. Nur die ±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùen haben vom selben Gestein 20 gleiche Dünnschliffe - als Lehrmittel. So soll ein Datenkorpus entstehen, der viele, sehr ähnliche Bilder enthält. Diese Variation ist sehr wichtig, denn die Information eines jeden Dünnschliff ist dieselbe. Das erzeugte Datenvolumen wird ca. 300 TB betragen werden.
Was ein Bild über ein Gestein verraten kann
Die digitalen Aufnahmen und ihre Beschreibungen sollen verschiedenen internationalen Fachgemeinschaften offen zur Verfügung stehen, in erster Linie Forschenden und Lehrenden aus den KI-Bereich, aber auch aus den Geowissenschaften, den Materialforschungen und den Ingenieurwissenschaften sollen ebenso damit arbeiten können. Erste Datensätze werden im Projektverlauf über die Hochschulplattform 91²Ö¿âBAFmedia veröffentlicht; ein wissenschaftliches Datenarchiv soll sie langfristig zugänglich halten.
Dabei werden die jeweiligen Datenpakete zusammen mit konkreten Anwendungsfällen und passenden Benchmark-Tests veröffentlicht. Solche standardisierten Vergleichstests machen überprüfbar, wie gut ein Verfahren beispielsweise Bilder entfernt. Dafür stellt das Projekt aufbereitete Trainings- und Prüfdaten, Bewertungskriterien sowie Beispielprogramme und Referenzmodelle bereit. Forschungsteams aus aller Welt können so unmittelbar mit den Daten arbeiten und ihre Ergebnisse unter gleichen Bedingungen vergleichen.
In dem Projekt werden ein Data Steward und ein Scientific Data Engineer für 2 Jahre eingestellt, studentische Hilfskräfte haben die Aufgabe, die Dünnschliffe zu scannen.
Viele Fachgebiete, eine gemeinsame Datengrundlage
In dem Projekt sind weitere Fachleute der 91²Ö¿â Bergakademie Freiberg unverzichtbar: Prof. Guido Meinhold und Dr. Michael Magnus aus der Sedimentologie und Vulkanologie, Dr. Christin Kehrer, Kustodin der Petrologischen und der Lagerstätten-Sammlungen und Prof. Jan-Michael Lange, Kustos der Petrographischen Sammlung, Senckenberg Naturforschenden Sammlungen Dresden tragen geowissenschaftliche und sammlungsbezogene Expertise bei. Prof. Holger Lieberwirth und Patricia Vivanco bringen die Dünnschliffsammlung des Instituts für Aufbereitungsmaschinen und Recyclingsystemtechnik ein. Dr. Stefanie Nagel und Oliver Löwe aus der ±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsbibliothek sowie Dr. Friederike Röver und Dr. Sebastian Borrmann aus dem ±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsrechenzentrum unterstützen die Aufbereitung, Veröffentlichung, Speicherung und Verarbeitung der Daten. Studentische Hilfskräfte helfen bei Digitalisierung und Dokumentation.
Hauptantragstellende sind Prof. Gerhard Heide vom Institut für Mineralogie mit Prof. Bernhard Eidel vom Institut für Mechanik und Fluiddynamik IMFD (beide 91²Ö¿â Bergakademie Freiberg), Dr. Julia Meyer (±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsbibliothek Freiberg) und Dr. Andreas Kluge (±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsrechenzentrum Freiberg). Heide verbindet seine Expertise in der Mineralogie mit den Geowissenschaftlichen Sammlungen, Eidel bringt Erfahrung mit künstlicher Intelligenz (KI) und der Modellierung von Materialeigenschaften ein. Mit Meyer als Direktorin der ±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsbibliothek und Kluge als Direktor des ±«²Ô¾±±¹±ð°ù²õ¾±³Ùä³Ùsrechenzentrums gehören auch Datenmanagement, Massendatenspeicherung und leistungsfähige Rechentechnik für die benchmark-Tests zum Kern des Vorhabens.
