Ich werde physik-informierte neuronale Netzwerke entwickeln

Benötigst du ein physik-informiertes Machine-Learning-Modell für ein ingenieurtechnisches oder wissenschaftliches Problem?

Ich entwickle Physics-Informed Neural Networks (PINNs) und wissenschaftliche Machine-Learning-Modelle, die physikalische Gleichungen mit neuronalen Netzwerken kombinieren, um präzise und rechen-effiziente Modelle zu erstellen.

Mit einem starken Hintergrund in angewandter Mathematik, Maschinenbau, numerischer Modellierung, CFD und Wärmeübertragung kann ich dir helfen, physikalische Probleme in zuverlässige Rechenmodelle umzusetzen.

Mein Service umfasst:

Physics-Informed Neural Networks (PINNs)

ODE- und PDE-Modellierung

Vorwärts-Physik-Probleme

Parameterabschätzung und inverse Modellierung

Wissenschaftliches Machine Learning

Surrogatmodellierung für ingenieurtechnische Simulationen

Wärmeübertragungs- und Strömungsanwendungen

Modelltraining und -optimierung

Validierung anhand numerischer oder experimenteller Daten

Python-basierte Implementierung und Ergebnisvisualisierung

Lieferungen können dokumentierten Quellcode, trainierte Modelle, Validierungsergebnisse, Diagramme und technische Interpretationen umfassen, je nach gewähltem Paket.

Bitte kontaktiere mich vor der Bestellung, damit ich die Gleichungen, Randbedingungen, verfügbaren Daten und erwarteten Ergebnisse prüfen kann.