GSC 111:  Aachener Graduiertenschule für computergestützte Natur- und Ingenieurwissenschaften

• Fachliche Zuordnung: Mechanik und Konstruktiver Maschinenbau ; Mathematik ; Systemtechnik
• Förderung: Förderung von 2006 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 24613455

• Erstellungsjahr: 2019

Zusammenfassung der Projektergebnisse

Die Graduiertenschule “Aachen Institute for Advanced Study in Computational Engineering Science” (AICES) zielt auf die Lösung einiger Probleme der deutschen Doktorandenausbildung ab: die lange Promotionsdauer, die fehlende internationale Erfahrung und die relativ geringe wissenschaftliche Betreuung. In AICES wird jeder Doktorand sowohl durch einen Nachwuchswissenschaftler als auch durch einen Professor betreut. Eine kompetitive Stipendienvergabe motiviert dazu interdisziplinäre Betreuungsteams mit gezielten Promotionsprojekten zu bilden. Die Doktorandenbetreuung wird durch etablierte und neue Nachwuchswissenschaftler intensiv umgesetzt. Professoren stehen sowohl diesen, als auch den Promovierenden beratend zur Seite. Zudem verkürzt AICES die Promotionsdauer für B.Sc.-Absolventen durch ein strukturiertes und kombiniertes Master- und Promotionsprogramm. Damit verbessert AICES verschiedene Stufen der wissenschaftlichen Ausbildung. Die Graduiertenschule wird durch Universitätsangebote im Bereich Computational Engineering und Simulation Sciences, z.B. durch konsekutive und nicht-konsekutive Studienprogramme, unterstützt, sowie im Bereich Simulation und Hochleistungsrechnen durch die Jülich-Aachen Research Alliance. AICES bündelt die Expertise von Instituten, die seit langem interdisziplinär sehr intensiv in Forschung und Lehre zusammenarbeitet. In der zweiten Förderperiode wurde diese Basis um drei zusätzliche Fakultäten, sowie neue Nachwuchsforschergruppen erweitert. Der wissenschaftliche Schwerpunkt bildet die Auseinandersetzung mit neuen Ansätzen zur Analyse und Synthese technischer Systeme aus den Anwendungsfeldern Maschinenbau, Verfahrenstechnik, Biomedizintechnik, Werkstoff- und Geowissenschaften, sowie in Ergänzung zu diesen in Elektrotechnik, Biomedizin und Bauingenieurwesen. Dieses breite Spektrum bietet enormes Potential für zielgerichtete Forschung in der Synthese, mit besonderem Schwerpunkt auf allgemeinen inversen Problemen. Dies beinhaltet Modell- und Parameteridentifikation, Modellinteraktion auf verschiedenen Skalen, sowie optimalen Entwurf, Regelung und Betrieb komplexer technischer Systeme. Diese komplexe Ausrichtung ist nur im Bereich Computational Engineering adäquat zu verankern. Der Bereich Modellierung wird auch durch einen Fokus auf Modellordnungsreduktion und durch finanzielle Förderung experimenteller Projekte, die in Zusammenarbeit mit Hochschulpartnern durchgeführt werden, unterstützt. AICES ergänzt zudem universitätsweite Verbesserungen der Promotionsbedingungen und der Stellung der Nachwuchswissenschaftler, sowie Maßnahmen zur Geschlechtergleichstellung.

Projektbezogene Publikationen (Auswahl)

• Few inputs can reprogram biological networks. Nature. 2011;478(7369):E4
  Müller FJ, Schuppert A
  
• Heliostat field optimization: A new computationally efficient model and biomimetic layout. Solar Energy, 2012;86(2):792-803
  Noone CJ, Torrilhon M, Mitsos A
  
• An accurate moving boundary formulation in cut-cell methods, Journal of Computational Physics, 2013;235:786-809
  Schneiders L, Hartmann D, Meinke M, Schröder W
  
• Shallow two-component gravity-driven flows with vertical variation. Journal of Fluid Mechanics, 2013;714:434-62
  Kowalski J, McElwaine JN
  
• A kinetic approach to the sequence–aggregation relationship in disease-related protein assembly, The Journal of Physical Chemistry B, 2014;118(4): 1003-11
  Barz B, Wales DJ, Strodel B
  
• Level-of-detail quad meshing, ACM Transactions on Graphics (TOG), 2014;33(6):184
  Ebke HC, Campen M, Bommes D, Kobbelt L
  
• Multivariate McCormick relaxations, Journal of Global Optimization, 2014;59(2-3):633-62
  Tsoukalas A, Mitsos A
  
• Numerical comparison of isotropic hypo-and hyperelas- ticbased plasticity models with application to industrial forming processes, International Journal of Plasticity, 2014;63:18-48
  Brepols T, Vladimirov IN, Reese S
  
• Recent advances in computational methodology for simulation of mechanical circulatory assist devices, Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 2014;6(2):169-88
  Marsden AL, Bazilevs Y, Long CC, Behr M
  
• A scalable, linear-time dynamic cutoff algorithm for molecular dynamics, In International Conference on High Performance Computing 2015 (pp. 155-70), Springer, Cham
  Springer P, Ismail AE, Bientinesi P
  
• Algorithmic differentiation of numerical methods: Tangent and adjoint solvers for parameterized systems of nonlinear, ACM Transactions on Mathematical Software (TOMS), 2015;41(4):26
  Naumann U, Lotz J, Leppkes K, Towara M
  
• Analysis of pressure perturbation sources on a generic space launcher after-body in supersonic flow using zonal turbulence modeling and dynamic mode decomposition,, Physics of Fluids, 2015;27(1):016103
  Statnikov V, Sayadi T, Meinke M, Schmid P, Schröder W
  
• Higher-order discrete adjoint ODE solver in C++ for dynamic optimization, Procedia Computer Science, 2015;51:256-65
  Lotz J, Naumann U, Hannemann-Taḿas R, Ploch T, Mitsos A
  
• Time discrete geodesic paths in the space of images, SIAM Journal on Imaging Sciences, 2015;8(3):1457-88
  Berkels B, Effland A, Rumpf M
  
• A numerical method for the computation of tangent vectors to 2×2 hyperbolic systems of conservation laws, Communications in Mathematical Sciences, 2016;14(3):683–704
  Herty M, Piccoli B
  
• Advances in the simulation of protein aggregation at the atomistic scale, Journal of Physical Chemistry B, 2016;120:2991-9
  Carballo-Pacheco M, Strodel B
  
• Automatic implementation of material laws: Jacobian calculation in a finite element code with TAPENADE, Computers & Mathematics with Applications, 2016;72(11):2808-22
  Zwicke F, Knechtges P, Behr M, Elgeti S
  
• Certified reduced basis methods for parametrised distributed elliptic optimal control problems with control constraints. SIAM Journal on Scientific Computing. 2016;38(6):A3921-46
  Bader E, Kärcher M, Grepl MA, Veroy K
  
• Deforming fluid domains within the finite element method: five meshbased tracking methods in comparison, Archives of Computational Methods in Engineering, 2016;23(2):323-61
  Elgeti S, Sauerland H
  
• Modeling nonequilibrium gas flow based on moment equations, Annual Review of Fluid Mechanics, 2016;48:429-58
  Torrilhon M
  
• Non-linear shape optimiza- tion using local subspace projections, ACM Transactions on Graphics (TOG), 2016;35(4):87
  Musialski P, Hafner C, Rist F, Birsak M, Wimmer M, Kobbelt L
  
• Two-scale FE–FFT-and phase-field-based computational modeling of bulk microstructural evolution and macroscopic material behavior, Computer Methods in Applied Mechanics and Engineering, 2016;305:89-110
  Kochmann J, Wulfinghoff S, Reese S, Mianroodi JR, Svendsen B
  
• A certified trust region reduced basis approach to PDE- constrained optimization, SIAM Journal on Scientific Computing, 2017;39(5):S434-60
  Qian E, Grepl M, Veroy K, Willcox K
  
• A posteriori error control for the binary Mumford-Shah model, Mathematics of Computation, 2017;86(306):1769-91
  Berkels B, Effland A, Rumpf M
  
• An ultraweak DPG method for viscoelastic fluids. Journal of Non-Newtonian Fluid Mechanics. 2017;247:107-22
  Keith B, Knechtges P, Roberts N V, Elgeti S, Behr M, Demkowicz L
  
• Direct particle–fluid simulation of Kolmogorov-lengthscale size particles in decaying isotropic turbulence, Journal of Fluid Mechanics, 2017;819:188-227
  Schneiders L, Meinke M, Schröder W
  
• Spatially varying heat flux driven close-contact melting – A Lagrangian approach, International Journal of Heat and Mass Transfer. 2017;115:1276-87
  Schüller K, Kowalski J
  
• Streamline segment scaling behavior in a turbulent wavy channel flow. Experiments in Fluids, 2017;58(2):10
  Rubbert A, Hennig F, Klaas M, Pitsch H, Schröder W, Peters N
  
• Transient multiple particle simulations of char particle combustion, Fuel, 2017;199:289-98
  Sayadi T, Farazi S, Kang S, Pitsch H
  
• A systematic at- las of chaperome deregulation topologies across the human cancer landscape, PLoS Computational Biology, 2018;14(1):e1005890
  Esfahani AH, Sverchkova A, Saez-Rodriguez J, Schuppert AA, Brehme M
  
• Optimal Deterministic Algorithm Generation, Journal of Global Optimization. 2018
  Mitsos A, Najman J, Kevrekidis IG
  
• Simplex space-time meshes in two-phase flow simulations, International Journal for Numerical Methods in Fluids, 2018;86:218-30
  Karyofylli V, Frings M, Elgeti S, Behr M