Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Machine Learning in Computational MechanicsModulbeschreibung #51078 / Version 1

← Zur Modulseite English version
Modul / Version#51078 / #1
GültigkeitSeit WiSe 2023/24
Verfügbare Sprache(n)Deutsch
Leistungspunkte6
Modulverantwortliche*rKlinge, Sandra
BenotungBenotet
PrüfungsformMündliche Prüfung
Lehrsprache(n)Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Mechanik
Fachgebiet35371300 FG Mechanik, insbes. Strukturmechanik

Kontakt

SekretariatC 8-3
Ansprechpartner*inKeine Angabe
E-Mail-AdresseKeine Angabe
WebseiteKeine 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

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)

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Learning in Computational MechanicsVorlesung Unregelmässig[de]2 ISIS
Machine Learning in Computational MechanicsProjekt Unregelmässig[de]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Machine Learning in Computational Mechanics (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Machine Learning in Computational Mechanics (Projekt) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Machine Learning in Computational Mechanics (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Machine Learning in Computational Mechanics (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 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

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/ …)

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformMündliche Prüfung
SpracheEnglisch, Deutsch
Dauer/Umfangca. 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 / StuPOSemesterStudiengangsbereich
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018
SoSe 20256. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung
WiSe 2025/266. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung
SoSe 20266. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung
WiSe 2026/276. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.1 Konstruktion und Gestaltung
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
SoSe 20252. Kernbereich: Simulation und Optimierung
WiSe 2025/262. Kernbereich: Simulation und Optimierung
SoSe 20262. Kernbereich: Simulation und Optimierung
WiSe 2026/272. Kernbereich: Simulation und Optimierung
Fahrzeugtechnik
StuPO 2017
SoSe 20252. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden
WiSe 2025/262. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden
SoSe 20262. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden
WiSe 2026/272. Profilmodule › 2.3 Ingenieurtechnische Grundlagen und Methoden
Maschinenbau
StuPO 2017
WiSe 2023/24Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
SoSe 2024Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
WiSe 2024/25Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
SoSe 2025Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
WiSe 2025/26Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
SoSe 2026Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
WiSe 2026/27Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
Physikalische Ingenieurwissenschaft
StuPO 09.01.2012
SoSe 202506. Schwerpunkte › 6.1 Numerik und Simulation
WiSe 2025/2606. Schwerpunkte › 6.1 Numerik und Simulation
SoSe 202606. Schwerpunkte › 6.1 Numerik und Simulation
Physikalische Ingenieurwissenschaft
StuPO 2007 (19.12.2007)
SoSe 20252.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2025/262.4 Festkörpermechanik › 2.4b Ergänzungsbereich
SoSe 20262.4 Festkörpermechanik › 2.4b Ergänzungsbereich
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 20252.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2025/262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
SoSe 20262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2026/272.1 Numerik und Simulation › 2.1b Ergänzungsbereich
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 2025Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation
WiSe 2025/26Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation
SoSe 2026Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation
WiSe 2026/27Wahlpflichtmodule › 6. Schwerpunkte › 6.1 Numerik und Simulation

Sonstiges

Keine Angabe