Modellordnungsreduktion

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.

Projekte

Adaptively Synthesized Surrogates for Reliable and Efficient Model Reduction
Gefördert durch: MPI/IMPRS and MPI
Förderperiode: seit 04.2017
Kontakt: Sridhar Chellappa, Lihong Feng mehr
Surrogate Modelling for Problems with Large-dimensional Parameter Spaces
Gefördert durch: Tsinghua University and MPI
Förderperiode: 03.2024-07.2025
Kontakt: Chenzi Wang, Lihong Feng mehr
Parameter-dependent Time Sequence Prediction with Deep Learning
Gefördert durch: MPI/IMPRS
Förderperiode: seit 03.2021
Kontakt: Shuwen Sun, Lihong Feng mehr
Gefördert durch: MPI/IMPRS
Förderperiode: seit 10.2019
Kontakt: Harshit Kapadia, Lihong Feng mehr
P2Chem: Neue gemischt-ganzzahlige Optimierungsmethoden zur effizienten Synthese und flexiblen Führung von Power-to-Chemicals Prozessen
Partner:  Prof. Dr. Peter Benner (MPI Magdeburg, OvGU), Prof. Dr. Sebastian Sager (OvGU), Prof. Dr. Kai Sundmacher (MPI Magdeburg, OvGU), Prof. Dr. Martin Stoll (TU Chemnitz) 
Industriepartner:  AVACON und BASF 
Gefördert durch: BMBF
Kontakt: 
Peter Benner, Lihong Feng, Shaima Monem  
mehr

Modellreduktion für Brennstoffzellenmodelle

Gefördert durch: MPI
Förderperiode: seit 03.2021
Partner: Tanja Vidakovic-Koch (MPI), Mian Ilyas Ahmad (NUST, Pakistan)
Kontakt: Lihong Feng

Abgeschlossene Projekte

Damping Optimization of Mechanical Systems using the Reduced Basis Method
Gefördert durch: MPI
Förderperiode: 11.2019-12.2023
Kontakt: Jennifer Przybilla, Peter Benner mehr
Adaptive und daten-informierte Modellreduktion für Optimalsteuerung komplexer Systeme
Gefördert durch: MPI
Förderperiode: seit 07.2019-09.2021
Kontakt: Carmen Gräßle, Peter Benner mehr
Adaptive Modellreduktion für parametrische nichtlinear Systeme
Partner: OvGU, Technische Hochschule Bingen
Gefördert durch: MPI
Förderperiode: seit 04.2017
Kontakt: Sridhar Chellappa, Lihong Feng



mehr
Modellreduktion in der Prozesstechnik, Molekulardynamik-Simulationen
Partner: OvGU, Technische Hochschule Bingen, MPI Leipzig
Gefördert durch:
MPI/IMPRS
Förderperiode:
2014-2019
Kontakt
Cleophas Kweyu


Zur Redakteursansicht