Softwareentwicklung Job in Berlin Bundesland

Neural Operators werden in diesem Projekt mit klassischen numerischen Verfahren kombiniert, um parametrisierte Finite-Elemente-Modelle effizient zu approximieren. Durch die Integration datengetriebener und FEM-basierter Ansätze werden hybride Modelle entwickelt, die echtzeitfähige digitale Zwillinge, eine Kalibrierung von Modellparametern mit Unsicherheitsquantifizierung sowie eine probabilistische Darstellung der verbleibenden Modellfehler unterstützen. Entwicklung und Implementierung von FEM-Modellen in FEniCSx sowie deren Integration in Neural Operators und PINNs Validierung und Unsicherheitsquantifizierung dieser Metamodelle Kalibrierung von Modellparametern unter Unsicherheiten anhand experimenteller Daten unter Verwendung dieser Metamodelle Entwicklung datengetriebener Ansätze zur Modellierung der Prognosegenauigkeit unter Berücksichtigung von Modellfehlern Dokumentation der entwickelten Methoden Verfassen wissenschaftlicher Publikationen und Mitwirkung an der Ausarbeitung von Forschungsanträgen Präsentation der Ergebnisse auf wissenschaftlichen Tagungen