|
Arbeitsgebiete bei Schaeffler Technologies AG & Co.KG
Simulationen von Strömungs-Systemen:
- Es werden Simulationen von Steuer-Ventilen, Wasserpumpen, Injektoren und Aktuatoren durchgeführt, beispielsweise bei &Uuuml;berschall-Strömungen in H₂-Verbrennungsmotoren. Hierfür kommen sowohl CFD- als auch CHT-Simulationen zum Einsatz, die wiederum Eingang in 0D/1D-Systemsimulationen finden.
- Zukunfstgerichtete H2-Entwicklungen z.B. von Elektrolyseuren (Umwandlung durch elektrochemische Reaktion von Wasserstoff in Strom): Vorgänge auf Zellebene können oft durch Gleichungssysteme beschrieben werden. Für die Skalierung auf große Stacks (MW-Leistung) sind jedoch aufwändige Strömungssimulationen CFD notwendig.
- Für Enthalphie-basierte Wärmetauscher sind komplexe thermische Strömungssimulationen CHT nötig, während vereinfachte Modelle vor große Herausforderungen gestellt sind – da diese durch eine Vielzahl an Simulationen oder durch umfangreiche empirische Messungen bestimmt werden müssen.
Simulationen von dynamischen Mehr-Körper-Systemen:
- In der Simulation mechanischer, hydraulischer und mechatronischer Komponenten von Verbrennungs- und Hybridmotoren stehen die mathematische Modellierung und Analyse von Systemeigenschwingungen im Fokus. Das umfasst Betriebschwingungsanalysen, Charakterisierung von Resonanzen, Berücksichtigung nichtlinearer Kopplungen und Durchführung von Parameteroptimierungen.
- Es interessiert mich vor allem die mathematische Beschreibung komplexer physikalischer Vorgänge durch partieller Differentialgleichungssysteme und deren Analyse (z.B. natürlicher Frequenzen).
- Durch eine Betriebschwingungsanalyse kann man komplexe Systeme in der Messung und Simulation untersuchen um z.B. Geräusch-Probleme oder Betriebsfestigkeit unter dynamischen Lasten zu charakterisieren (Rainflow-Zählung von Spannungsamplituden).
- Die auftretenden Resonanzen im Fahrzeug hängen im Besonderen von der Kontakt- und Reibungsabbildung zwischen Körpern, dem Einfluss von elastisch modellierten Komponenten sowie hydraulischen und mechatronischen Eigenschaften der Systeme ab. Insbesondere das nicht-linearen Verhalten führt zu interessanten Schwingungs-Phenomenen.
- Für die Validierung der Modelle spielt die Stabilitätsanalyse nicht-linearen Systeme und nach der numerischen Implementierung auch die Konvergenz der Integrator-Methode eine wichtige Rolle. Schließlich werden die wichtigsten Parametersensitivitäten oder Optimierungen durchgeführt.
Simulationen von komplexen Systemen:
- Eigenentwickelte Algorithmen und sogenannte User Routinen in C++ oder Python werden in kommerzielle Simulationsumgebungen integriert. Dabei werden für Performance und Nachvollziehbarkeit objektorientierte Programmierung und Versionskontrolle (z.B. Git) eingesetzt.
- Desweiteren können vereinfachte Modelle genutzt werden um eine Vielzahl von Modellierungsansätzen auf ihre Robustheit zu testen oder maschinelles Lernen darauf anzuwenden.
- Durch den Einsatz moderner KI-Frameworks wie Tensorflow, Keras, Numpy oder Scikit lassen sich Simulationsdaten gezielt für das Training von Netzwerken nutzen. So können neue Zusammenhänge erschlossen und klassische Optimierungsverfahren sowie DoE-Analysen erweitert werden. In diesen Themen möchte ich stärker aktiv werden.
Ein Entwicklungsprozess für neuer Modelle untergliedert sich in verschiedene Stufen:
a) Mathematisch-physikalische Modellierung und Integration in Systemmodelle.
b) Validierung / Funktionstest der Modelle durch analytische Abschätzungen und überprüfung bekannter Effekte. Numerische Stabilität wird untersucht.
c) Verifizierung anhand experimenteller Messungen an Prüfständen und Vorhersagbarkeit. Hierfür werden Messungen an verschiedenen Prüfständen genutzt, z.B. für die Bestimmung hydraulischer Durchflüsse von Ventilen oder Motorprüfstände um das Einzel- und Gesamtverhalten hydraulischer Systeme zu testen. Dabei ist es essenziell, Messdaten kritisch zu betrachten und Prüfstandseinflüsse zu berücksichtigen. Bei übertragung auf reale Systeme (Motor) sind Wechselwirkungen und übertragbarkeitsfragen zu klären – dies gilt auch für KI-Modelle.
Hobbies:
Interests:
Welchen Zusammenhang haben Quantengravitation, Schrödinger's Katze und Quanten-Konzepte im Rahmen von maschinellen Lernen bzw. KI-Modellen
In der Quantengravitation wird die Raumzeit selbst zu einem dynamischen Objekt, das – analog zu den Unschärferelationen der Quantenmechanik – quantenmechanischen Unsicherheiten unterliegt. Vergleichbar zu den kanonischen Variablen Ort und Impuls gibt es spezielle Größen, die die Raumzeit beschreiben. Diese sind etwa der Paralleltransport entlang geschlossener Schleifen und die Flüsse, die aus der Krümmung der Raumzeitmanigfaltigkeit abgeleitet werden. Im Spin-Netzwerk-Ansatz wird der Paralleltransport entlang von Kurven und Flüssen zusätzlich durch Flächen erweitert. Ein weiteres Analogon zur Energiequantelung ist die Diskretisierung der Flächen und Volumina im Rahmen der Quantengravitation.
Das berühmte Gedankenexperiment der Schrödingerschen Katze illustriert, dass der Zustand eines Quantensystems nicht klassisch festgelegt, sondern durch Wahrscheinlichkeiten beschrieben ist. Die Katze ist gleichzeitig tot und lebendig – erst der Messprozess führt zur Festlegung in einen bestimmten Zustand. Diese Wahrscheinlichkeiten können bayesisch interpretiert werden: Durch eine Messung verändert sich der Informationsstand des Beobachters. Dieses Konzept könnte; zukünftig auch für das maschinelle Lernen anhand von Mess- und Simulationsdaten sehr relevant sein, da das Einfließen von physikalischem Wissen den Bedarf an großen Datenmengen deutlich reduzieren kann.
Ein weiterer Aspekt der Quantisierung ist die diskrete Verteilung z.B. der elektromagnetischen Energie der Wärmestrahlung eines schwarzen Körpers in Abhängigkeit von der Frequenz der Strahlung. Charakteristisch ist, dass nur ganzzahlige Vielfache des Energiequantums auftreten. Diese Idee kann auch auf neuronale Netzwerke übertragen werden. Wenn eine Vielzahl von Gewichten in den verschiedenen Schichten ("Layers") optimiert werden müssen, treten nicht verhinderbare numerische Fehler auf. Die Gewichte werden z.B. auf "Integer" Werte mit Hilfe von Skalierungsfaktoren abgebildet. Dabei sollte das neurale Netzwerk robust gegenüber solchen kleinen änderungen der Gewichte ("Noise") sein und sich nur auf das wesentliche Muster tranieren lassen. Dieser Ansatz könnte;bei Anwendungen mit vielen "Layern" von Bedeutung sein.
Promotionsgebiet
Allgemeine Relativitätstheorie (ART), Quantenmechanik, Algebraische Quantenfeldtheorie und Quantengravitation:
Die Suche nach einer einheitlichen Theorie von Gravitation (ART) und der Quantenphysik ist eine der bedeutenden Fragen der heutigen Physik. Ein Ansatz ist die Schleifen-Quantengravitation (Loop Quantum Gravity - LQG), die auf der Quantisierung geometrischer Objekte, welche unsere Raumzeit definieren, basiert. Inspiriert von der Dualität von Schrödingers Wellenmechanik- und der Heisenbergschen Matrizen- bzw. Operatoren-Formulierung der Quantenmechanik ist die Intention der Promotion die Operatoren-Formulierung der Schleifen-Quantengravitation zu entwickeln. Die Konstruktionen sind vergleichbar mit denen der algebraischen Quantenfeldtheorie. Ein Untersuchungsgebiet ist die Existenz weiterer Zustände (u.a. thermale KMS-Zustände) neben dem bekannten Ashtekar-Lewandowski-Zustand.
Arbeiten /
Veröffentlichungen hervorgegangen aus der Promotion:
Diplomarbeit 2006:
Ausgewählte Lehre und Übungen an Universitäten während der Promotion:
Teilnahme an Internationalen Tagungen
Interessante Dinge:
Wichtige
Institutionen und Veranstaltungen:
|
