3. Platz Best Paper Award auf dem 16. Symposium für Sensor Data Fusion

29 November 2024

Auf dem 16. Symposium für Sensor Data Fusion trafen sich vergangene Woche Branchenexperten und Wissenschaftler, um modernste Techniken zur Umwandlung von Datenströmen in verwertbare Erkenntnisse zu erforschen. Die Konferenz konzentrierte sich auf die räumlich-zeitliche Integration, die Ausnutzung von Redundanzen und die kontextuelle Analyse und beleuchtete Anwendungen in den Bereichen Verteidigung, Luft- und Raumfahrt, Robotik und Technik. Ein großes Dankeschön an die Organisatoren, Prof. Dr. Wolfgang Koch und Dr. Felix Govaers, für die Ausrichtung einer solch inspirierenden Konferenz!

In unserem Konferenzbeitrag Towards a Hybrid Digital Twin: Physics-Informed Neural Networks as Surrogate Model of a Reinforced Concrete Beam“ haben wir gezeigt, wie Physik-informierte neuronale Netze (PINNs) Sensordaten mit dem zugrunde liegenden physikalischen Wissen verbinden können, um fortschrittliche Ersatzmodelle für Stahlbetonträger zu erstellen, die hybride digitale Zwillinge ermöglichen. Dieser innovative Ansatz verbindet klassisches maschinelles Lernen mit der Physik und erschließt neue Möglichkeiten für die Strukturmodellierung und Echtzeitanwendungen.

Außerdem freuen wir uns sehr, dass unser Beitrag mit dem 3. Platz des Best Paper Award ausgezeichnet wurde! Wir freuen uns über die Anerkennung und sind stolz darauf, unsere Arbeit mit der Gemeinschaft zu teilen.

Der Konferenzbeitrag “Towards a Hybrid Digital Twin: Fusing Sensor Information and Physics in Surrogate Modeling of a Reinforced Concrete Beam,” wurde inzwischen in "2024 Sensor Data Fusion: Trends, Solutions, Applications (SDF)” veröffentlicht:

Sahin, T., Wolff, D., von Danwitz, M., & Popp, A. (2024). Towards a Hybrid Digital Twin: Physics-Informed Neural Networks as Surrogate Model of a Reinforced Concrete Beam. 2024 Sensor Data Fusion: Trends, Solutions, Applications (SDF), Bonn, Germany, 2024, pp. 1-8, DOI (Open Access) , arXiv