Publikation zu einem neuen Deep-Learning-Ansatz für die Topologie-Optimierung

Für die Erstellung der ersten Geometrie eines Produktes im Designprozess verwenden viele Ingenieure die Topologie-Optimierung. Die Standard-Herangehensweise ist ein iterativer Ansatz, der jedoch viel Rechenleistung und –zeit benötigt. Ein Ansatz zur Optimierung dieses Problems ist die Nutzung von künstlicher Intelligenz. Das Problem bei diesem Ansatz ist das Vorhandensein von optimierten Trainingsdaten.

Durch einen neuen, an der Professur entwickelten Ansatz, der ohne voroptimierte Daten auskommt, werden ähnliche Geometrien erstellt wie bei der klassischen Herangehensweise und gleichzeitig weniger Rechenleistung benötigt. Die Publikation kann online unter doi:10.3390/app11199041 nachgelesen werden. Außerdem ist der Ansatz schon in unserem Online Tool integriert.

Categories: