Terra Quantum und Empa entwickeln KI-Modell, das Echtzeit-Prognosen für die Steuerung von Laserschweißprozessen ermöglicht: Pressemeldung

LP-FNO liefert eine vollständige 3D-Simulation des Schmelzbads, die bis zu100.000 Mal schneller ist als herkömmliche multiphysikalische Methoden, und ermöglicht so industrielle digitale Zwillinge sowie eine Optimierung während des Prozesses

ST. GALLEN, Schweiz & NEW YORK--(BUSINESS WIRE)--Terra Quantum, ein weltweit führendes Unternehmen im Bereich der Quantentechnologien , und die Empa, die Eidgenössische Materialprüfungs- und Forschungsanstalt, haben LP-FNO (Laser Processing Fourier Neural Operator) vorgestellt, ein KI-Surrogatmodell, das die vollständige dreidimensionale Dynamik des Schmelzbads beim Laserschweißen bis zu 100.000-mal schneller vorhersagt als herkömmliche multiphysikalische Simulationen. Damit wird der Rechenengpass beseitigt, der die Echtzeit-Prozesssteuerung und den Einsatz digitaler Zwillinge in der industriellen Laserbearbeitung lange Zeit behindert hat.

• Medienanhang zur Meldung

**Der Simulationsengpass beim Laserschweißen** Das Laserschweißen ist ein Präzisionsfertigungsverfahren, das in der Luft-und Raumfahrt, bei der Herstellung medizinischer Geräte sowie in der Automobilproduktion zum Einsatz kommt. Dabei ist die Steuerung des Schmelzbads – der Zone aus geschmolzenem Metall unterhalb des Laserstrahls – entscheidend für die Qualität und Konsistenz der Schweißnaht. Hochpräzise multiphysikalische Simulationen waren bislang das wichtigste Werkzeug zum Verständnis und zur Optimierung des Prozesses, doch ihr Rechenaufwand hat eine Echtzeitanwendung bisher unpraktikabel gemacht. Ein einzelner Simulationslauf mit den derzeitigen „Goldstandard“-Tools dauert bei einer Standardauflösung von 10 µm etwa sechs Minuten und bei einer feineren Auflösung von 5 µm über eine Stunde, wodurch Prozesssteuerung, groß angelegte Parameteroptimierung und Unsicherheitsquantifizierung für industrielle Betreiber unerreichbar bleiben.

**Was LP-FNO leistet** LP-FNO erlernt die Zusammenhänge zwischen den Laserprozessparametern – Leistung und Abtastgeschwindigkeit – und den daraus resultierenden dreidimensionalen Temperaturfeldern sowie den Grenzen des Schmelzbads. Dazu nutzt es eine Fourier-Neural-Operator-Architektur, die Informationen in einem einzigen Vorwärtsdurchlauf global über den gesamten physikalischen Bereich hinweg zusammenführt. Das Modell wurde anhand hochpräziser thermofluidischer Simulationen der Titanlegierung Ti-6Al-4V trainiert, die ein Prozessfenster von 40 bis 190 Watt Laserleistung und Abtastgeschwindigkeiten von 0,1 bis 1 Meter pro Sekunde umfassten und sowohl den Leitungs- als auch den stabilen Keyhole-Schweißmodus abdeckten. Nach dem Training liefert LP-FNO vollständige3D-Vorhersagen in etwa 8 Millisekunden bei Standardauflösung und in 88 Millisekunden bei doppelter Auflösung.

Ein Schlüsselelement des Ansatzes ist eine quasi-stationäre Neuformulierung des Laserscan-Problems. Durch die Transformation der transienten Simulation in ein Bezugssystem, das sich mit dem Laserstrahl bewegt, und durch zeitliche Mittelung gelang es dem Forschungsteam, ein von Natur aus zeitabhängiges Problem in eine für das maschinelles Lernen geeignete Form umzuwandeln.Dadurch konnte LP-FNO die Dynamik des stabilen Keyhole-Schweißens – den physikalisch komplexesten Modus, der tiefe Dampfvertiefungen, durch Rückstoßdruck verursachte Oberflächenverformungen und starke Schwankungen der Laserabsorption umfasst – innerhalb desselben Rahmens genau darstellen, der auch für das Schweißen im Leitungsmodus verwendet wird.

„Die Fähigkeit, stundenlange Physiksimulationen auf Millisekunden zu komprimieren, ist keine schrittweise Verbesserung, sondern eine Veränderung, die völlig neue Anwendungen ermöglicht“, sagte Markus Pflitsch, CEO und Gründer von Terra Quantum. „Mit LP-FNO können industrielle Betreiber Prozessoptimierungen in Echtzeit durchführen, digitale Zwillinge erstellen, die mit dem physikalischen Prozess synchronisiert bleiben, und Parameterräume erkunden, deren Untersuchung bisher zu kostspielig war. So sieht der Einsatz von KI bei den schwierigsten Problemen in der Fertigung aus.“

Wichtigste Ergebnisse

• Geschwindigkeit: bis zu 100.000-mal schneller als eine vergleichbare hochpräzise Multiphysik-Simulation
• Temperaturgenauigkeit: durchschnittlicher relativer Fehler von ca. 2,5 %
• Schmelzbadvorhersage: „Intersection-over-Union“ (IoU)-Wert über 0,9 für die Segmentierung der Schmelzbadgrenze
• Regimeabdeckung: Nach Kenntnis der Autoren das erste Ersatzmodell, das sowohl das Leitungsschweiß- als auch das stabile Keyhole-Schweißregime innerhalb eines quasi-stationären Rahmens für das Lernen von Operatoren abdeckt
• Auflösungsinvarianz: Ein auf Daten mit grober Auflösung trainiertes Modell kann auf feineren Gittern ohne erneutes Training ausgewertet werden und liefert dabei genaue, hochaufgelöste Vorhersagen
• Architektur-Benchmark: LP-FNO weist unter den getesteten neuronalen Architekturen – darunter vollverbundene Koordinatennetzwerke, U-Net und DeepONet-Varianten – das günstigste Verhältnis zwischen Genauigkeit und Effizienz auf

Die vollständige Studie wurde im Journal of Intelligent Manufacturing veröffentlicht (DOI: 10.1007/s10845-026-02917-0).

„Diese Partnerschaft vereinte das Fachwissen der Empa in den Bereichen Laserbearbeitung, Materialwissenschaft und Prozessmodellierung mit den Kompetenzen von Terra Quantum im Bereich fortschrittlicher Methoden des maschinellen Lernens und neuronaler Operatoren“, sagte Dr. Elia Iseli, Leiter der Gruppe „Light-Matter Dynamics“ an der Empa. „Die Genauigkeit, mit der LP-FNO die fertigungsrelevanten Ergebnisse der High-Fidelity-Modelle reproduziert – darunter Temperaturfelder, die Geometrie des Schmelzbads und Phasengrenzflächen –, unterstreicht die Vorhersagekraft des Surrogatansatzes.Diese Übereinstimmung spiegelt die enge Verzahnung von Machine-Learning- Entwicklung und Fachwissen in der Laserprozessmodellierung während des gesamten Projekts wider. Es ist ein Ergebnis, das ohne diese Partnerschaft nicht hätte erzielt werden können.“

„Fourier-Neuraloperatoren sind architektonisch gut für diese Problemklasse geeignet, da sie im Spektralraum lernen und Informationen über den gesamten physikalischen Bereich hinweg auf jeder Ebene vermischen, anstatt sie lokal durch Faltungsnachbarschaften weiterzugeben“, sagte Florian Neukart, Chief Technology Officer bei Terra Quantum. „Diese globale Perspektive verleiht dem Modell seine auflösungsunabhängige Eigenschaft: Die anhand grober Trainingsdaten erlernten spektralen Gewichte lassen sich auf natürliche Weise auf feinere Auswertungsgitter verallgemeinern. In Kombination mit der quasi- stationären Neuformulierung erhielten wir so ein einziges trainiertes Modell, das sowohl den Leitungs- als auch den Keyhole-Modus mit konsistenter Genauigkeit über das gesamte Prozessfenster hinweg abbildet.“

Um mehr über Terra Quantum zu erfahren, besuchen Sie bitte https://terraquantum.swiss/

**Über Terra Quantum** Die Terra Quantum Group ist ein führendes Quantentechnologieunternehmen mit Sitz in Deutschland und der Schweiz. Es bietet „Quantum as a Service (QaaS)“ in drei Kernbereichen an, wobei der erste „Quantum Algorithms as a Service“ ist. Hier erhalten Kunden Zugang zu einer umfangreichen Algorithmenbibliothek, darunter hybride Quantenoptimierung und hybride Quanten-Neuralnetzwerke, die unter anderem zur Lösung komplexer Logistikprobleme oder zur Mustererkennung eingesetzt werden können. Terra Quantum entwickelt zudem neue Quantenalgorithmen für seine Kunden oder passt bestehende Algorithmen an deren spezifische Anforderungen an. Zweitens bietet Terra Quantum seinen Kunden über „Quantum Computing as a Service“ Zugang zu seinen firmeneigenen, hochleistungsfähigen simulierten Quantenprozessoren (QPUs) sowie zu den physikalischen QPUs des Quanten-Ökosystems und entwickelt gleichzeitig native QPUs. Der dritte Geschäftsbereich ist „Quantum Security as a Service“, über den Terra Quantum weltweit seine einzigartigen Lösungen für sichere Quanten-und Post-Quanten-Kommunikation anbietet. Besuchen Sie uns auf LinkedIn und auf unserer Webseite.

**Über Empa** Die Empa ist das interdisziplinäre Forschungsinstitut des ETH-Bereichs für Materialwissenschaften und -technologie. Als Brücke zwischen Forschung und praktischer Anwendung entwickelt sie innovative Lösungen für die drängendsten Herausforderungen von Industrie und Gesellschaft. Durch effizienten Technologietransfer in enger Zusammenarbeit mit Industriepartnern fördert die Empa Innovationen, die sowohl die Innovationskraft als auch die internationale Wettbewerbsfähigkeit ihrer Industriepartner stärken. Ein schonender Umgang mit unseren natürlichen Ressourcen und das Denken in geschlossenen Kreisläufen sind Kernbestandteile des Ansatzes der Empa.www.empa.ch

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.

Contacts

Medienkontakt:Victoria Jodl - TQ terraquantum@icrinc.com

Natasha Koleas ICR Inc.TerraQuantum@ICRinc.com

Anna Ettlin Empa, Communications redaktion@empa.ch

+++ Dies ist eine Pressemeldung, übermittelt von Business Wire +++

businesswire/roj/news.de