Solving Forward and Inverse Problems with Differentiable Physics and Deep Learning

Holl, Philipp Marcel

User: Guest

Datenverarbeitung, Informatik

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Solving Forward and Inverse Problems with Differentiable Physics and Deep Learning
Translated title:: Lösen von Vorwärts- und inversen Problemen mit differenzierbarer Physik und Deep Learning
Author:: Holl, Philipp Marcel
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 15 - Professur für Physik-basierte Simulation (Prof. Thuerey)
Advisor:: Thuerey, Nils (Prof. Dr.)
Referee:: Thuerey, Nils (Prof. Dr.); Koutsourelakis, Phaedon-Stelios (Prof., Ph.D.); Piggott, Matthew D. (Prof., Ph.D.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: Deep learning, Differentiable physics, PDEs, Inverse problems, neural networks, optimization
Translated keywords:: Deep Learning, Differenzierbare Physik, PDEs, Inverse Probleme, Neuronale Netze, Optimierung
TUM classification:: DAT 758
Abstract:: My main contributions lie in the area of solving forward and inverse problems using machine learning techniques, especially neural networks. All of my publications focus on numerically challenging settings involving simulations of partial differential equations. To perform the numerical experiments for these works, I developed a software framework called Φ-Flow which I also introduce here and which all of my publications are based on.
Translated abstract:: Meine Hauptbeiträge liegen im Bereich der Lösung von vorwärts- und rückwärtsgerichteten Problemen mit Hilfe von Techniken des maschinellen Lernens, insbesondere neuronalen Netzen. Alle meine Veröffentlichungen konzentrieren sich auf numerisch anspruchsvolle Aufgabenstellungen, die Simulationen von partiellen Differentialgleichungen beinhalten. Um die numerischen Experimente für diese Arbeiten durchzuführen, habe ich ein Software-Framework namens Φ-Flow entwickelt, das ich hier ebenfalls vorstelle und auf dem alle meine Veröffentlichungen basieren. «
Meine Hauptbeiträge liegen im Bereich der Lösung von vorwärts- und rückwärtsgerichteten Problemen mit Hilfe von Techniken des maschinellen Lernens, insbesondere neuronalen Netzen. Alle meine Veröffentlichungen konzentrieren sich auf numerisch anspruchsvolle Aufgabenstellungen, die Simulationen von partiellen Differentialgleichungen beinhalten. Um die numerischen Experimente für diese Arbeiten durchzuführen, habe ich ein Software-Framework namens Φ-Flow entwickelt, das ich hier ebenfalls vorste... »
WWW:: https://mediatum.ub.tum.de/?id=1739592
Date of submission:: 12.04.2024
Oral examination:: 10.10.2024
File size:: 12909127 bytes
Pages:: 158
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241010-1739592-1-4
Last change:: 18.11.2024
BibTeX