Port-Hamiltonische neuronale Netze für Surrogat-modellierung und Unsicherheitsquantifizierung (D06*)

• Fachliche Zuordnung: Mechanik ; Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492661287

Effiziente Leistungsbewertung, Designexploration, Optimierung und Unsicherheitsquantifizierung für Entwurf und digitale Zwillinge elektrischer Maschinen erfordern numerisch schnelle, niedrig-dimensionale, nichtlineare Surrogat- und reduzierte Modelle. Ziel dieses Projekts ist die Entwicklung datengetriebener, aber physik-basierter Methoden zur Surrogatmodellierung, die genaue, effiziente, zuverlässige und robuste Vorhersagen liefern, mit geringen Datenmengen trainierbar sind und Parameterabhängigkeiten berücksichtigen. Zu diesem Zweck kombinieren wir die physikalische Interpretierbarkeit und mathematische Rigorosität port-Hamiltonischer Systeme mit den Approximationsfähigkeiten und der Flexibilität des maschinellen Lernens. Diese Modelle sollen aufwändige Simulationen ersetzen, sowie Unsicherheitsquantifizierung und Designoptimierung ermöglichen.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 361: Computergestütztes elektrisches Maschinenlabor: Thermische Modellierung, transiente Analysis, Geometriebeschreibung und robustes Design
• Antragstellende Institution: Technische Universität Darmstadt
• Teilprojektleiter: Professor Dr. Sebastian Schöps; Professor Dr. Oliver Weeger