Das Projekt beschäftigt sich mit dem approximativen Lösen instationärer partieller Differenzialgleichungen im Kontext der Strömungsmechanik. Mithilfe von DNNs wird auf Basis von Strömungsbilder zukünftige Simulationsstadien vorhergesagt. So kann unter Umständen das aufwändige Lösen von numerischen Verfahren umgangen werden.

Projektgruppe: Prof. Dr. Wolfgang Karl, Roman Lehmann
Ansprechpartner: Roman Lehmann
Links: Jobs - Abschlussarbeiten

In der herkömmlichen numerischen Strömungsmechanik werden verschiedene mathematische Modelle gepaart mit numerischen Methoden genutzt. So ist zum Lösen unter anderem von nicht linearen partiellen Differentialgleichungen ein erheblicher Einsatz von Rechenressourcen erforderlich um adäquate Ergebnisse zu erzielen.
In anderen Anwendungsfelder werden Verfahren aus dem Bereich des maschinellen Lernens mehr und mehr verwendet. Sie ersetzen mittlerweile teilweise oder ganz herkömmliche Methoden. Dieses Potenzial soll nun auch in diesem neuen Kontext Anwendung finden. Durch einen geschickten Einsatz des maschinellen Lernens könnte z. B. eine gänzlich neue Kategorie von Lösern für Differentialgleichungen erschlossen werden.