Machine Learning in Computational MechanicsModulbeschreibung #51078 / Version 1
- 6 LP
- Mündliche Prüfung
- Benotet
- Unregelmässig
- Deutsch
| Modul / Version | #51078 / #1 |
|---|---|
| Gültigkeit | Seit WiSe 2023/24 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Klinge, Sandra |
| Benotung | Benotet |
| Prüfungsform | Mündliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Mechanik |
| Fachgebiet | 35371300 FG Mechanik, insbes. Strukturmechanik |
Kontakt
| Sekretariat | C 8-3 |
|---|---|
| Ansprechpartner*in | Keine Angabe |
| E-Mail-Adresse | Keine Angabe |
| Webseite | Keine Angabe |
Lernergebnisse
Auch in der Mechanik wird zunehmend Machine Learning eingesetzt, zur Beschleunigung und Stabilisierung zeitintensiver numerischer Berechnungen, zur Nutzbarmachung umfangreicher Messdaten, in der Mehrskalensimulation als Materialmodell und in vielen weiteren Kombinationen zur Beschleunigung oder Vereinfachung von Arbeitsweisen.
In diesem Modul werden die Grundlagen des maschinellen Lernens vermittelt und ausgewählte Anwendungen in der Mechanik implementiert und diskutiert. Der Fokus liegt dabei auf der selbstständigen Auseinandersetzung mit den Verfahren und der Implementierung, um später selbstständig anwendungsbezogen geeignete Methoden auswählen und einsetzen zu können.
Nach erfolgreichem Bestehen des Moduls verfügen die Studierenden über folgende Kenntnisse
Wissen:
- Kenntnis der grundlegenden Kategorien der Künstlichen Intelligenz und des Machine Learning
- Verständnis der Struktur und Funktionsweise von Neuronalen Netzen
- Vertrautheit mit wesentlichen Funktionen von PyTorch
Fertigkeiten:
- Implementierung Neuronaler Netzwerk-Architekturen mit PyTorch
- Anpassung von Hyperparametern
- Geeignete visuelle Darstellung der Ergebnisse
Kompetenzen:
- Auswahl von Techniken des maschinellen Lernens, die für den Zweck und die Komplexität der Aufgabe geeignet sind
- Einbettung von Machine Learning-Methoden in den Aufgabenkontext und geeignete Reduktion/ Vorentlastung
- Beurteilung der Ergebnisqualität und der Performance einer Machine Learning-Anwendung
In diesem Modul werden die Grundlagen des maschinellen Lernens vermittelt und ausgewählte Anwendungen in der Mechanik implementiert und diskutiert. Der Fokus liegt dabei auf der selbstständigen Auseinandersetzung mit den Verfahren und der Implementierung, um später selbstständig anwendungsbezogen geeignete Methoden auswählen und einsetzen zu können.
Nach erfolgreichem Bestehen des Moduls verfügen die Studierenden über folgende Kenntnisse
Wissen:
- Kenntnis der grundlegenden Kategorien der Künstlichen Intelligenz und des Machine Learning
- Verständnis der Struktur und Funktionsweise von Neuronalen Netzen
- Vertrautheit mit wesentlichen Funktionen von PyTorch
Fertigkeiten:
- Implementierung Neuronaler Netzwerk-Architekturen mit PyTorch
- Anpassung von Hyperparametern
- Geeignete visuelle Darstellung der Ergebnisse
Kompetenzen:
- Auswahl von Techniken des maschinellen Lernens, die für den Zweck und die Komplexität der Aufgabe geeignet sind
- Einbettung von Machine Learning-Methoden in den Aufgabenkontext und geeignete Reduktion/ Vorentlastung
- Beurteilung der Ergebnisqualität und der Performance einer Machine Learning-Anwendung
Lehrinhalte
• Kategorisierung und Teilbereiche des Machine Learning
• Überblick über Anwendungsgebiete von ML in der Mechanik
• Neuronale Netze, autograd, Optimierer, Hyperparameter
• Verwendung von PyTorch
• Anwendung in Materialmodellierung (Elastizität und Plastizität)
• Überblick über Anwendungsgebiete von ML in der Mechanik
• Neuronale Netze, autograd, Optimierer, Hyperparameter
• Verwendung von PyTorch
• Anwendung in Materialmodellierung (Elastizität und Plastizität)
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Machine Learning in Computational Mechanics | Vorlesung | Unregelmässig | [de] | 2 | WiSe 2026/27 (1) ISIS | |
| Machine Learning in Computational Mechanics | Projekt | Unregelmässig | [de] | 2 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Machine Learning in Computational Mechanics (Vorlesung) 1
- Machine Learning in Computational Mechanics (Vorlesung) Termingruppe 1
Machine Learning in Computational Mechanics (Projekt) 1
- Machine Learning in Computational Mechanics (Projekt) Termingruppe 1
Arbeitsaufwand und Leistungspunkte
Machine Learning in Computational Mechanics (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Machine Learning in Computational Mechanics (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
• Vorlesung mit Tafel und Projektionen; Erläuterung der theoretischen Grundlagen und Lösungsverfahren
• Projekttreffen
• Rücksprache mit der Betreuungsperson
• Eigenständiges Arbeiten, Selbststudium
• Einreichung eines Abschlussberichts
• Projekttreffen
• Rücksprache mit der Betreuungsperson
• Eigenständiges Arbeiten, Selbststudium
• Einreichung eines Abschlussberichts
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Numerische Implementierung der linearen FEM
Einführung in die FEM
Grundlagen der Numerik (z.B. Differentialgleichungen und Numerik für den Maschinenbau)
Programmierkenntnisse (z.B. in Octave/ Matlab/ Python/ …)
Einführung in die FEM
Grundlagen der Numerik (z.B. Differentialgleichungen und Numerik für den Maschinenbau)
Programmierkenntnisse (z.B. in Octave/ Matlab/ Python/ …)
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Mündliche Prüfung |
| Sprache | Englisch, Deutsch |
| Dauer/Umfang | ca. 20 Minuten |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Unregelmässig.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 30.
Anmeldeformalitäten
keine
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar
Empfohlene Literatur
- J. Bonet, R. D. Wood: Nonlinear Continuum Mechanics for Finite Element Analysis. Second edition, Cabridge University Press, 2008.
- O. C. Zienkiewicz, R. L. Taylor, J. Z. Zhu: The Finite Element Method: Its Basis and Fundamentals. Butterworth-Heinemann, 2013.
- S. Kollmannsberger et al.: Deep Learning in Computational Mechanics - An introductory course. Springer, 2021.
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 | SoSe 2025 | 6. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung |
| WiSe 2025/26 | 6. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung | |
| SoSe 2026 | 6. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung | |
| WiSe 2026/27 | 6. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung | |
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 (17.01.2018) | SoSe 2025 | 2. Kernbereich: Simulation und Optimierung |
| WiSe 2025/26 | 2. Kernbereich: Simulation und Optimierung | |
| SoSe 2026 | 2. Kernbereich: Simulation und Optimierung | |
| WiSe 2026/27 | 2. Kernbereich: Simulation und Optimierung | |
| Fahrzeugtechnik StuPO 2017 | SoSe 2025 | 2. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden |
| WiSe 2025/26 | 2. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden | |
| SoSe 2026 | 2. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden | |
| WiSe 2026/27 | 2. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden | |
| Maschinenbau StuPO 2017 | WiSe 2023/24 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung |
| SoSe 2024 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung | |
| WiSe 2024/25 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung | |
| SoSe 2025 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung | |
| WiSe 2025/26 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung | |
| SoSe 2026 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung | |
| WiSe 2026/27 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung | |
| Physikalische Ingenieurwissenschaft StuPO 09.01.2012 | SoSe 2025 | 06. Schwerpunkte › 6.1 Numerik und Simulation |
| WiSe 2025/26 | 06. Schwerpunkte › 6.1 Numerik und Simulation | |
| SoSe 2026 | 06. Schwerpunkte › 6.1 Numerik und Simulation | |
| Physikalische Ingenieurwissenschaft StuPO 2007 (19.12.2007) | SoSe 2025 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich |
| WiSe 2025/26 | 2.4 Festkörpermechanik › 2.4b Ergänzungsbereich | |
| SoSe 2026 | 2.4 Festkörpermechanik › 2.4b Ergänzungsbereich | |
| Physikalische Ingenieurwissenschaft StuPO 2020 | SoSe 2025 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich |
| WiSe 2025/26 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich | |
| SoSe 2026 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich | |
| WiSe 2026/27 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich | |
| Physikalische Ingenieurwissenschaft StuPO 2020 | SoSe 2025 | Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation |
| WiSe 2025/26 | Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation | |
| SoSe 2026 | Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation | |
| WiSe 2026/27 | Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation |
Sonstiges
Keine Angabe