Laskennallisen materiaalifysiikan alaan kuuluvassa väitöskirjassaan Mika Sarvilahti osoitti, kuinka moderneja koneoppimis- ja optimointimenetelmiä voidaan hyödyntää materiaalien kehityksessä. Tutkimuksessa havaittiin, että konvoluutioneuroverkot olivat paras keino ennustaa, miten kiteiset materiaalit käyttäytyvät kuormituksen alaisina. Lisäksi bayesilainen optimointi osoittautui tehokkaaksi menetelmäksi materiaalien mikrorakenteen optimointiin, kunhan mallin reunaehdot määritellään huolellisesti. Sarvilahti myös todensi toimivuuden uudelle saostumia kuvaavalle mallilleen, joka tekee aiheeseen liittyvistä tietokonesimulaatioista entistä luotettavampia ja mahdollistaa aiempaa monimuotoisempien optimointiongelmien tutkimisen. Työn tulokset edistävät materiaalifysiikan tutkimusta, jossa uusia koneoppimismenetelmiä hyödynnetään entistä parempien materiaalien kehittämiseen.
Diplomi-insinööri Mika Sarvilahden fysiikan alan väitöskirja Computational Studies of Crystal Plasticity and Intelligent Material Design tarkastetaan julkisesti Tampereen yliopiston tekniikan ja luonnontieteiden tiedekunnassa.
Vastaväittäjänä toimii dosentti, yliopistotutkija Fredric Granberg Helsingin yliopistosta. Kustoksena toimii professori Lasse Laurson Tampereen yliopiston tekniikan ja luonnontieteiden tiedekunnasta.