Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 200 FEM-Referenzlösungen für unterschiedliche Kühlkanal-Geometrien (Position und Durchmesser) eines vereinfachten 2D-Werkzeugquerschnitts. Implementiere ein PINN mit PyTorch oder JAX, das die stationäre Wärmeleitungsgleichung mit Randbedingungen (Schmelzezufuhr, Kühlkanal-Konvektion, Werkzeugaussen) als Loss-Term einbaut. Trainiere auf 150 Konfigurationen, validiere auf 50. Berichte den mittleren relativen L2-Fehler der Temperaturverteilung sowie die Vorhersagegeschwindigkeit pro Konfiguration. Liefere eine kurze Empfehlung, ob der PINN-Ansatz für das interne Auslegungs-Tool ausreicht oder ob ein Neural-Operator-Ansatz (Fourier Neural Operator — Methode, die Lösungen direkt im Funktionsraum lernt) erprobt werden sollte.
Das Briefing
Was Du tust und was Du zeigst.
Kann ein PINN die FEM-Auslegung der Kühlkanäle für interaktive Designstudien ersetzen, ohne die Temperaturfeld-Genauigkeit unter eine fertigungstaugliche Schwelle zu drücken?
Earning criteria — what you'll demonstrate
- Physik-basierte Verlustfunktionen in ein neuronales Netz einbauen und stabil trainieren
- PINN-Ergebnisse gegen eine FEM-Referenz quantitativ validieren
- Trade-Offs zwischen Genauigkeit, Trainingsaufwand und Inferenzgeschwindigkeit transparent darstellen
- Wissenschaftliche ML-Methoden in einen Ingenieurkontext übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Applied AI Scientist
Applied AI Scientists in industriellen F&E-Abteilungen verbinden numerische Methoden und Deep Learning genau in dieser Form. Die Challenge übt den vollen Bogen von der PDE-Formulierung bis zur Validierung gegen Referenzlösungen.
Dieses Projekt schärft
- physics-informed-neural-networks
- scientific-computing
- pde-modeling
ML Researcher
Das saubere Loss-Decomposition-Reporting und die Diskussion von Neural-Operator-Alternativen entsprechen dem Diskurs, in dem sich ein:e ML Researcher:in in der wissenschaftlichen ML-Community bewegt.
Dieses Projekt schärft
- physics-informed-neural-networks
- pytorch
- numerical-methods
Research Scientist
Die Aufgabe ist methodisch ein klassisches Forschungsprojekt im Bereich Scientific Machine Learning — von der Hypothese bis zur quantitativen Validierung mit Empfehlung an die Hausleitung.
Dieses Projekt schärft
- validation-design
- scientific-computing
- pde-modeling
Noch eine Sache