Suche: (Erweitert)
Header

Stellenangebot - Wissenschaftliche Mitarbeiter

Maschinelles Lernen in der Thermodynamik


Im Zuge der Digitalisierung der Prozessindustrie wird zurzeit intensiv diskutiert, wie sich Methoden des Maschinellen Lernens (ML) in der Verfahrenstechnik nutzen lassen. In Vorarbeiten am Lehrstuhl für Thermodynamik (LTD) konnte bereits das Potenzial datengetriebener ML Methoden zur Vorhersage thermodynamischer Eigenschaften von Mischungen demonstriert werden. Auch in anderen Teilgebieten der Verfahrenstechnik ergeben sich durch ML Methoden neue Möglichkeiten; die Übertragung von ihren klassischen Anwendungsgebieten (Bild- und Texterkennung, autonomes Fahren etc.) auf Fragestellungen in der Verfahrenstechnik ist allerdings nicht trivial. Besonders wichtig wird die Frage sein, wie datengetriebene ML Ansätze mit grundlegendem thermodynamischem Wissen sinnvoll zusammengeführt werden können.

Im Rahmen des Forschungsvorhabens sollen Matrix-Vervollständigungsmethoden – bekannt durch die sog. „Netflix Challenge“ – gezielt mit physikalischem Wissen kombiniert werden, um hybride prädiktive Stoffdatenmodelle zu entwickeln. Mit Methoden aus dem Active Learning (Design of Experiments) sollen die Stoffdatenmodelle zudem durch experimentelle Messungen gezielt optimiert werden. Hierfür kann unter anderem auf ein am LTD etabliertes Verfahren zur Bestimmung von Diffusionskoeffizienten mittels NMR Spektroskopie zurückgegriffen werden.

In dem von der Carl-Zeiss-Stiftung geförderten Kooperationsprojekt des LTD mit u.a. dem Lehrstuhl für Maschinelles Lernen der TU Kaiserslautern und dem Fraunhofer Institut für Techno- und Wirtschaftsmathematik arbeiten Sie in einem interdisziplinären Team aus Verfahrenstechnikern, Informatikern und Mathematikern. Des Weiteren besteht eine Kooperation mit der University of California, Irvine.


Download Stellenausschreibung


[zurück]

RSS

Letzte Änderung: 10.06.2020