KI ohne Trainingsdaten in der virtuellen Produktentwicklung
Datum: 08.10.2024 - 08.10.2024

Ort: online, Deutschland
Zur Anmeldung
Informationsflyer
Neuronale Netze basierend auf physikalischen Gleichungen, Anwendungen von Physics-Informed Neural Networks anhand von Beispielen in der Strömungsberechnung.
Zielgruppe:
- Geschäftsführende, insbesondere von kleinen und mittleren Unternehmen, Entwicklungsleitende, Forschungsleitende. Leitende Digitalisierung, KI-Interessierte, Ingenieurinnen/Ingenieure in der Berechnung
Veranstaltungsinfos:
Termin: Dienstag, 08. Oktober 2024
Zeit: 15:00 - 16:00 Uhr
Ort: online
Referent:in:
Univ.-Prof. Dr.-Ing. habil. Uwe Janoske: Inhaber des Lehrstuhls für Strömungsmechanik an der Bergischen Universität Wuppertal sowie Leiter der Steinbeis-Forschungszentren Virtual Testing (Schwäbisch Hall), Flow Analysis (Essen) sowie Holistic Engineering (Bondorf)
Über das Unternehmen:
An der Bergischen Universität Wuppertal beschäftigen sich die Mitarbeitenden des Lehrstuhls für Strömungsmechanik seit Jahren mit der Modellierung und numerischen Simulation mehrphasiger Strömungen sowie deren experimenteller Untersuchung. Neben der Anwendung klassischer Strömungsberechnungsverfahren werden zahlreiche Machine-Learning basierte Ansätze (Physics Informed Neural Networks (PINN), CNN, GAN) zur Beschreibung mehrphasiger Strömungen eingesetzt. Weiterhin beschäftigen sich die Mitarbeitenden des Lehrstuhls mit gekoppelten Prozessen unterschiedlicher physikalischer Mechanismen (elektrische, thermische, magnetische Felder gekoppelt mit Strömungsvorgängen). Die Methoden finden u.a. Anwendung in der Verfahrens-, Abfüll- und Verpackungstechnik, der pharmazeutischen und chemischen Industrie sowie der Automobilindustrie.