Ich werde maßgeschneiderte physik-informierte neuronale Netze in PyTorch entwickeln

Sind deine FEM/CFD-Simulationen zu langsam oder rechenintensiv?

Ich bin Doktor der rechnerischen Forschung und Gastforscher am Imperial College London, spezialisiert auf Scientific Machine Learning (SciML).

Ich baue maßgeschneiderte Physics-Informed Neural Networks (PINNs) in reinem PyTorch von Grund auf, um hohe Kontrolle, Debugging-Möglichkeiten und maximale Leistung bei deinen physikalischen Einschränkungen zu garantieren.

Was ich für dich umsetzen kann:

• Komplexe Vorwärts- und Inverse-PDEs lösen, inklusive Extraktion unbekannter Parameter aus experimentellen Daten.

• Schnelle, ML-basierte Ersatzlösungen für rechenintensive traditionelle Simulationen erstellen.

• Deine bestehenden PyTorch- oder SciML-Codebasen debuggen und beschleunigen.

Aktuelle Projekte:

• Modellierung hoch-Re turbulenter Strömungen (Re=10.000 Navier-Stokes).

• Komplexe elastoplastische Probleme mit Hertz-Kontakt-PINNs gelöst.

Warum mich engagieren? Du bekommst nicht nur einen Programmierer, sondern einen strategischen rechnerischen Partner. Ich sorge dafür, dass deine Modelle mathematisch fehlerfrei sind.

Bitte sende mir vor der Bestellung eine Nachricht mit deiner PDE und deinem Projektumfang!