Physikalisch informierte neuronale Netze im Kontext von cloudbasierten Fahrzeugfunktionen

Kontext

Physikalisch informierte neuronale Netze (PINNs) können in der Automobilindustrie zur Berechnung von Funktionen eingesetzt werden, die in die Cloud verlagert wurden. Da es in der Cloud nur wenige Einschränkungen hinsichtlich der Ressourcen gibt. 

PINNs lernen aus einer Kombination von Daten, wie Sensordaten und Wetterdaten, und physikalischen Gesetzen. Die von den PINNs erstellten Vorhersagen können dann an das Fahrzeug zurückgesendet werden, um beispielsweise die Effizienz des Fahrzeugs zu optimieren.

Ziele

• Überblick des State of the Art von Physikalisch informierte neuronale Netze und Cloud Funktionen
• Untersuchung einer Cloud Funktionalität, welche als PINN umgesetzt wird
• Implementierung der Methoden mit anschließender Optimierung und Validierung

Voraussetzungen 

• Hohe Eigenmotivation, Eigenständige und lösungsorientierte Arbeitsweise
• Programmierkenntnisse (Python, C++, …) 
• Erfahrung mit Maschinellem Lernen von Vorteil