Bayessche Quantifizierung von Unsicherheiten für Mikrofluidik: Bewertung und Verbesserung der Zuverlässigkeit von Modellen reduzierter Ordnung und Probendetektionsschemata

• Antragsteller: Dr.-Ing. Henning Bonart
• Fachliche Zuordnung: Strömungsmechanik
• Förderung: Förderung von 2021 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459970841

Mikrofluidik befasst sich mit kleinen Flüssigkeitsvolumina und -geometrien und ermöglicht vielversprechende Anwendungen, z.B. Lab-on-a-Chips für die Wirkstoffentwicklung und Liquid-infused Surfaces (LIS) für Medizintechnik. Oft werden jedoch die Unsicherheiten in den Messdaten und mathematischen Modellen sowie die gezogenen Schlussfolgerungen und Entscheidungen nicht statistisch quantifiziert. In der Bayes'schen Unsicherheitsquantifizierung (UQ) werden Daten und Modelle systematisch integriert. Das enorme Potenzial wurde für ein breites Spektrum von Anwendungen, z.B. Wetter- und Wahlvorhersagen, gezeigt. Allerdings wird es in der Mikrofluidik selten angewandt.Ziel dieses Projekts ist es daher zu zeigen, dass die Bayes'sche UQ einen großen Nutzen für Forschung und Anwendungen im Bereich der Mikrofluidik bietet und selbst für komplexe physikalische Phänomene praktisch und rechentechnisch machbar ist. Dazu werden zwei interessante und relevante Testfälle verwendet und ausgefeilte Bayes'sche Methoden auf verrauschte und unsichere Daten aus mikrofluidischen Experimenten angewandt. Im ersten Fall wird ein prädiktives Modell reduzierter Ordnung für die Dynamik von Löchern in dünnen Flüssigkeitsfilmen auf vibrierenden Oberflächen entwickelt und unter Verwendung des Bayes'schen Modellvergleichs quantitativ bewertet. Das resultierende Modell wird unser Verständnis der Lochdynamik verbessern und bei der Weiterentwicklung von LIS helfen. Im zweiten Fall wird ein automatisiertes Detektionsschema aus verrauschten Messdaten von Proben, die mit geringer Konzentration in Mikrokanälen mittels Isotachophorese transportiert werden, entwickelt. Dazu wird der Detektor in die Bayes'schen UQ integriert, um rückverfolgbare und transparente Entscheidungen unter Unsicherheit zu ermöglichen. Dies erlaubt die Automatisierung von mikrofluidischen Detektionsschemata, beispielsweise in der medizinischen Diagnostik oder bei Hochdurchsatz-Screening-Anwendungen. Damit die angewandten Methoden der Bayesian UQ schnell auf andere mikrofluidische Probleme und Anwendungen übertragen werden können, werden Beispiele dokumentiert sowie Proof-of-Concepts bereitgestellt.Dieses hoch interdisziplinäre Projekt kombiniert fluiddynamische Experimente, mathematische Modellierung und Bayes'sche Statistik, um neuartige und zuverlässige Antworten auf mikrofluidische Probleme zu liefern. Die Ergebnisse dieses Projekts werden komplexe Anwendungen von Bayesian UQ ermöglichen. Eine interessante Frage wäre beispielsweise, physikalische und datengetriebene Modelle für komplexe Mikrofluidik quantitativ zu vergleichen und zu kombinieren. Methoden der Bayesian UQ, wie sie in diesem Projekt angewendet werden, bilden eine wichtige Grundlage für diese zukünftige Forschung.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Youssef Marzouk, Ph.D.