Maschinelles Lernen für reduzierte kinetische Modelle

• Antragsteller: Professor Dr. Eric Sonnendrücker
• Fachliche Zuordnung: Mathematik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 490867355

Kinetische Modelle bieten eine sehr genaue Darstellung von der Wechselwirkungen geladener Teilchen. Allerdings sind solche Modelle im sechs-dimensional Phasenraum (Raum und Geschwindigkeit) definiert und involvieren mehrskalige Dynamische Prozesse. Aus diesem Grund wurden reduzierte Modelle entwickelt die einen Kompromiss zwischen Rechenkosten und Genauigkeit darstellen. Diese reduzierte Modelle werden hauptsächlich auf zwei verschiedenen Wegen hergeleitet. Erstens werden sie durch asymptotische Modellierung hergeleitet wo ein kleines Parameter gegen Null geht. Damit werden die kleinen Skalen und schnelle Dynamik herausgefiltert. Auf dem zweiten Weg sucht man ein reduziertes Modell, das die Dynamik gut beschreibt.Das Hauptziel dieses Projektes ist es neue reduzierte Modelle zu finden, basiert auf Techniken des maschinellen Lernens, die effizienter sind als die herkömmlichen. Die Stabilität dieser reduzierten Modelle wird auch ausführlich untersucht.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich
• Mitverantwortlich: Dr. Michael Kraus
• Kooperationspartner: Dr. Emmanuel Franck