Data Driven Modeling Dr.-Ing. Jan Trieschmann

Die Abteilung Data Driven Modeling beschäftigt sich mit Verfahren des maschinellen Lernens zur Kopplung von numerischen Modellen technischer und physikalischer Systeme.

Numerische Modelle werden zur Untersuchung einer Vielzahl ingenieurtechnischer sowie physikalischer Fragestellungen eingesetzt. Die Beschreibung

  • multiphysikalischer Phänomene beziehungsweise
  • von Multiskalenproblemen

bedingt in der Regel jedoch eine Zerlegung des Gesamtmodells in einzelne Teilmodelle. Diese können nicht isoliert betrachtet werden, sondern erfordern eine konsistente Kopplung.

Zielsetzung des Teams ist eine Realisierung dieser Kopplung mithilfe datenbasierter Methoden. Die Forschung beschäftigt sich mit den folgenden Fragestellungen:

  • Datenbeschaffung mittels geeigneter Teilmodelle
  • Maschinelles Lernen zur Abbildung einer Modellschnittstelle
  • Erhalt der zugrundeliegenden Physik und Systematik

Mit dem Konzept datenbasierter Modellschnittstellen wird schließlich eine konsistente Beschreibung des physikalisch technischen Gesamtsystems angestrebt.

Team

Borislav Borislavov, B.Sc.
Tobias Gergs, M.Sc.

Ehemalige Mitglieder

Florian Krüger, M.Sc.
Frederik Schmidt, Dr.-Ing.

Ausgewählte Publikationen

  • F. Zahari, F. Schlichting, J. Strobel, S. Dirkmann, J. Cipo, S. Gauter, J. Trieschmann, R. Marquardt, G. Haberfehlner, G. Kothleitner, L. Kienle, T. Mussenbrock, M. Ziegler, H. Kersten, H. Kohlstedt. Correlation between sputter deposition parameters and I-V characteristics in double-barrier memristive devices. Journal of Vacuum Science & Technology B 37, 061203 (2019). Link
  • F. Krüger, T. Gergs, J. Trieschmann. Machine learning plasma-surface interface for coupling sputtering and gas-phase transport simulations. Plasma Sources Science and Technology 28, 035002 (2019). Link
  • F. Schmidt, T. Mussenbrock, J. Trieschmann. Consistent simulation of capacitive radio-frequency discharges and external matching networks. Plasma Sources Science and Technology 27, 105017 (2018). Link
  • J. Trieschmann, T. Mussenbrock. Kinetic bandgap analysis of plasma photonic crystals. Journal of Applied Physics 124, 173302 (2018). Link
  • S. Dirkmann, M. Ziegler, M. Hansen, H. Kohlstedt, J. Trieschmann, T. Mussenbrock. Kinetic simulation of filament growth dynamics in memristive electrochemical metallization devices. Journal of Applied Physics 118, 214501 (2015). Link
  • J. Trieschmann, T. Mussenbrock. Transport of sputtered particles in capacitive sputter sources. Journal of Applied Physics 118, 033302 (2015). Link

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo