Neue Publikation über eine Modell-Hierarchie basierend auf PINNs

21 Mai 2024

Wir freuen uns mitteilen zu können, dass unser neuster Artikel “A model hierarchy for predicting the flow in stirred tanks with physics-informed neural networks” im Journal Advances in Computational Science and Engineering veröffentlicht wurde. In dieser gemeinsamen Arbeit vom Institut für Mathematik und Computergestützte Simulation der UniBw München, dem Lehrstuhl für Computergestützte Analyse Technischer Systeme der RWTH Aachen, dem Institut für Leichtbau und Strukturbiomechanik der TU Wien und dem Institut für Bio- und Geowissenschaften des Forschungszentrums Jülich untersuchen die Autoren das Potential von physikalisch-informierten Neuronalen Netzen (PINNs), eine Modell-Hierarchie zur Vorhersage des Strömungsfeldes in Rührkesselreaktoren zu erzeugen. Dazu verwenden die Autoren unterschiedliche fortgeschrittene Methoden, um die Genauigkeit von schnell auszuwertenden PINN-Modellen zu erhöhen, wie z.B. eine Formulierung der zugrundeliegenden Modellgleichungen in Polarkoordinaten, eine starke Aufprägung der Randbedingungen und einen Gebietszerlegungsansatz, bei dem unterschiedliche Gleichungen in verschiedenen Teilgebieten gelöst werden. Das beste Modell wird anschließend parametrisiert um ein Ersatzmodell zu generieren, das in der Lage ist, die Strömungscharakterstika über einen großen Reynolds Zahl Bereich (bis hin zu einer Reynolds Zahl von 10,000) vorherzusagen.

Der Zugriff auf unsere Publikation ist ab sofort über unten-stehenden Link möglich:

Veronika Trávníková, Daniel Wolff, Nico Dirkes, Stefanie Elgeti, Eric von Lieres, Marek Behr. A model hierarchy for predicting the flow in stirred tanks with physics-informed neural networks. Advances in Computational Science and Engineering. doi: 10.3934/acse.2024007