Die Potentiale von Künstlicher Intelligenz (KI) in der Auswertung und Vorhersage von Strömungssimulationen (CFD) wurden in diesem Mikroprojekt erforscht.
Projektziele
Dieses Transferprojekt zielt darauf ab, die Potentiale von Künstlicher Intelligenz (KI) in der Auswertung und Vorhersage von Strömungssimulationen (CFD) zu erforschen. Der konkrete Fokus liegt auf der effizienten Analyse von Simulationsdaten für die Lärmprognose (hier am Beispiel einer Vakuumdüse). Durch den Einsatz von KI-Verfahren, die ein Ersatzmodell für die Simulation lernen (siehe Bild), soll der extrem zeitaufwändige Simulationsprozess effektiv verkürzt werden.
Projektergebnisse
In Zusammenarbeit von DFKI GmbH und PART Engineering GmbH wurden drei verschiedene Ansätze getestet: klassisches Deep Learning, grafische neuronale Netze und ein „physics-informed“ neuronales Netz. Die KI-Modelle sind zwar eine vielversprechende Alternative zu herkömmlichen Simulationen, indem sie die Rechenzeit und Kosten erheblich reduzieren. Jedoch weisen die aktuellen Modelle noch nicht die nötige Genauigkeit auf, um Simulationen vollständig zu ersetzen. Darüber hinaus ist es entscheidend, das Problem des großen Bedarfs an Trainingsdaten zu überwinden, um die Leistung der KI-Modelle weiter zu verbessern.
Förderung
BMBF-Förderung Mikroprojekt, SDI-S 3. Call (Laufzeit 2024, Dauer ca. 6 Monate)
Projektpartner
PART Engineering GmbH: Dr.-Ing. Wolfgang Korte
DFKI GmbH: Sungho Suh und Lala Shakti Swarup Ray