Forscher:innen untersuchen aktuell, wie künstliche Intelligenz traditionelle Simulationsmethoden vereinfachen und beschleunigen könnte. KI kann beispielsweise helfen, Simulationsparameter schnell zu ermitteln oder vorläufige Lösungen zu generieren. Dabei wird vermieden, dass viele groß angelegte Simulationen durchgeführt werden müssen und zeitaufwändige Funktionen oder Gleichungen in großen Simulationen lassen sich ersetzen. Die Abteilung Converged Computing des HLRS entwickelt Methoden und Workflows für die Integration traditioneller Simulationsmethoden mithilfe von Höchstleistungsrechnern und datenbasierten Methoden mit maschinellem Lernen und KI. Das HLRS-Team entwickelt darüber hinaus gemeinsam mit Wissenschaftler:innen Anwendungen, die auf Physikinformierte neuronale Netze verwenden. D.h. sie integrieren bekannte physikalische Informationen in datengesteuerte Algorithmen, sodass ihre Ergebnisse die physikalische Realität genau wiedergeben.
Mithilfe des Supercomputers des HLRS hat ein Forscherteam der Universität Stuttgart Milliarden von Simulationen mit neuronalen Netzen durchgeführt, um Modelle für Materialumformungsprozesse zu entwickeln.
Forschende der Universität Stuttgart entwickelten eine Methode namens Relexi, die mithilfe von Reinforcement Learning Turbulenzmodelle als integrierten Bestandteil eines CFD-Lösers definiert.
Forschende des Fraunhofer IPA und der Uni Stuttgart entwickeln Methoden, um Roboter schnell und effizient für die Ausführung von Aufgaben zu trainieren. Der Ansatz könnte eine stärkere Individualisierung in der automatisierten Fertigung ermöglichen.
Zurück zu Künstliche Intelligenz.
