Modellordnungsreduktion
In vielen Anwendungsfeldern sind Simulationen ein unvermeidliches Werkzeug, um tiefere Einsichten in unterliegende Prozesse, deren Dynamik oder in die Struktur der Systeme zu erhalten. Die mathematischen Modelle bestehen dabei in der Regel aus Systemen partieller Differentialgleichungen. Diese müssen zunächst ortsdiskretisiert werden, was zu sehr großen und komplexen Systemen mit enormen Anzahlen von Gleichungen führt. Dadurch wird die Simulation schnell zeitaufwändig.
Entwickelt aus wohletablierten mathematischen Theorien und robusten numerischen Verfahren, unterstützt durch maschinelles Lernen, wird die Modellordnungsreduktion heute als ein wichtiges Instrument bei der effizienten Simulation technischer und naturwissenschaftlicher Prozesse wahrgenommen. Mit Hilfe der Modellordnungsreduktion werden Systeme aus viel weniger Gleichungen, also mit viel weniger Unbekannten, berechnet, die das originale, sehr große und komplexe System in schnellen Simulationen mit hinreichender Genauigkeit ersetzen können. Damit lassen sich gewöhnlich Beschleunigungen von mehreren Größenordnungen erreichen.