000921947 001__ 921947
000921947 005__ 20230505202253.0
000921947 0247_ $$aG:(GEPRIS)333849990$$d333849990
000921947 035__ $$aG:(GEPRIS)333849990
000921947 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000921947 150__ $$aGRK 2379: Hierarchische und hybride Ansätze für moderne inverse Probleme$$y2018 -
000921947 371__ $$aProfessor Marek Behr, Ph.D.
000921947 450__ $$aGRK 2379$$wd$$y2018 -
000921947 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000921947 680__ $$aVon der Analyse bis zur Optimierung beeinflussen computerbasierte Methoden heute weite Aspekte der Wissenschaft und Technik. Ihre rasante Entwicklung wird nicht nur durch immer schnellere Hardware vorangetrieben, sondern auch durch das wachsende Verständnis des vollen Potentials von rechnergestützten Techniken. Simulationen entwickeln sich von einfachen numerischen Experimenten zu prädiktiven Werkzeugen. Modelle einzelner Phänomene werden zu Modellhierarchien für komplexe Systeme. Numerische Methoden können jetzt Sensitivitäten und Unsicherheiten verarbeiten. Die Ausbildung zukünftiger Fachkräfte muss mit diesen Entwicklungen Schritt halten. Daher ist es unser Ziel hier den nötigen Rahmen einer Doktoranden-Ausbildung bereitzustellen.Das vorgeschlagene internationale Graduiertenkolleg beruht auf einem einzigartigen Konsortium aus dem School for Simulation and Data Science der RWTH Aachen und dem Oden Institute for Computational Engineering and Sciences der University of Texas in Austin. Die Projekte sind im Bereich der modernen inversen Probleme eingebettet und erlauben so eine innovative Perspektive in der Ausbildung. Der Hauptfokus liegt dabei auf der Interaktion von vier spezifischen Themen: Geometrie, Daten, Modellen und Anwendungen.Die Expertise der beiden Institutionen ergänzt sich innerhalb jedes Themas. Als ein Beispiel sei hier das isogeometrische Konzept genannt, welches am Oden Institute entwickelt wurde. Dieses beeinflusst bereits viele ingenieurwissenschaftliche Methoden, benötigt aber auch neuartige Zugänge bei der Gittergenerierung und Sensitivitätsfortpflanzung. Darüber hinaus werden hybride daten- und physik-getriebene Modelle eine entscheidende Rolle spielen. Hier greifen die Stärke der UT Austin in den Datenwissenschaften und die Anwendungsbreite der Gruppe der PIs an der RWTH Aachen ineinander.Das Graduiertenkolleg bringt damit in beispielloser Weise eine kritische Masse an Experten in Computational Engineering aus Aachen und Austin zusammen. Umfangreiche Erfahrungen in der Doktoranden-Ausbildung werden auf beiden Seiten perfektioniert. Diese transatlantische Zusammenarbeit wird durch folgende Faktoren zum Erfolg geführt: eine wissenschaftliche Ausbildung mit der richtigen Kombination aus Strukturen und Individualität, ein maßgeschneidertes Programm von Kursen und Kolloquien, sowie ein gemeinsames Betreuungskonzept. Auf diese Weise wird damit auch ein Grundstein für zukünftige Kooperationen gelegt.
000921947 909CO $$ooai:juser.fz-juelich.de:921947$$pauthority$$pauthority:GRANT
000921947 980__ $$aG
000921947 980__ $$aAUTHORITY