GSC 111: Aachener Graduiertenschule für computergestützte Natur- und Ingenieurwissenschaften
Mathematik
Systemtechnik
Zusammenfassung der Projektergebnisse
Die Graduiertenschule “Aachen Institute for Advanced Study in Computational Engineering Science” (AICES) zielt auf die Lösung einiger Probleme der deutschen Doktorandenausbildung ab: die lange Promotionsdauer, die fehlende internationale Erfahrung und die relativ geringe wissenschaftliche Betreuung. In AICES wird jeder Doktorand sowohl durch einen Nachwuchswissenschaftler als auch durch einen Professor betreut. Eine kompetitive Stipendienvergabe motiviert dazu interdisziplinäre Betreuungsteams mit gezielten Promotionsprojekten zu bilden. Die Doktorandenbetreuung wird durch etablierte und neue Nachwuchswissenschaftler intensiv umgesetzt. Professoren stehen sowohl diesen, als auch den Promovierenden beratend zur Seite. Zudem verkürzt AICES die Promotionsdauer für B.Sc.-Absolventen durch ein strukturiertes und kombiniertes Master- und Promotionsprogramm. Damit verbessert AICES verschiedene Stufen der wissenschaftlichen Ausbildung. Die Graduiertenschule wird durch Universitätsangebote im Bereich Computational Engineering und Simulation Sciences, z.B. durch konsekutive und nicht-konsekutive Studienprogramme, unterstützt, sowie im Bereich Simulation und Hochleistungsrechnen durch die Jülich-Aachen Research Alliance. AICES bündelt die Expertise von Instituten, die seit langem interdisziplinär sehr intensiv in Forschung und Lehre zusammenarbeitet. In der zweiten Förderperiode wurde diese Basis um drei zusätzliche Fakultäten, sowie neue Nachwuchsforschergruppen erweitert. Der wissenschaftliche Schwerpunkt bildet die Auseinandersetzung mit neuen Ansätzen zur Analyse und Synthese technischer Systeme aus den Anwendungsfeldern Maschinenbau, Verfahrenstechnik, Biomedizintechnik, Werkstoff- und Geowissenschaften, sowie in Ergänzung zu diesen in Elektrotechnik, Biomedizin und Bauingenieurwesen. Dieses breite Spektrum bietet enormes Potential für zielgerichtete Forschung in der Synthese, mit besonderem Schwerpunkt auf allgemeinen inversen Problemen. Dies beinhaltet Modell- und Parameteridentifikation, Modellinteraktion auf verschiedenen Skalen, sowie optimalen Entwurf, Regelung und Betrieb komplexer technischer Systeme. Diese komplexe Ausrichtung ist nur im Bereich Computational Engineering adäquat zu verankern. Der Bereich Modellierung wird auch durch einen Fokus auf Modellordnungsreduktion und durch finanzielle Förderung experimenteller Projekte, die in Zusammenarbeit mit Hochschulpartnern durchgeführt werden, unterstützt. AICES ergänzt zudem universitätsweite Verbesserungen der Promotionsbedingungen und der Stellung der Nachwuchswissenschaftler, sowie Maßnahmen zur Geschlechtergleichstellung.
Projektbezogene Publikationen (Auswahl)
- Few inputs can reprogram biological networks. Nature. 2011;478(7369):E4
Müller FJ, Schuppert A
(Siehe online unter https://doi.org/10.1038/nature10543) - Heliostat field optimization: A new computationally efficient model and biomimetic layout. Solar Energy, 2012;86(2):792-803
Noone CJ, Torrilhon M, Mitsos A
(Siehe online unter https://doi.org/10.1016/j.solener.2011.12.007) - An accurate moving boundary formulation in cut-cell methods, Journal of Computational Physics, 2013;235:786-809
Schneiders L, Hartmann D, Meinke M, Schröder W
(Siehe online unter https://doi.org/10.1016/j.jcp.2012.09.038) - Shallow two-component gravity-driven flows with vertical variation. Journal of Fluid Mechanics, 2013;714:434-62
Kowalski J, McElwaine JN
(Siehe online unter https://doi.org/10.1017/jfm.2012.489) - A kinetic approach to the sequence–aggregation relationship in disease-related protein assembly, The Journal of Physical Chemistry B, 2014;118(4): 1003-11
Barz B, Wales DJ, Strodel B
(Siehe online unter https://doi.org/10.1021/jp412648u) - Level-of-detail quad meshing, ACM Transactions on Graphics (TOG), 2014;33(6):184
Ebke HC, Campen M, Bommes D, Kobbelt L
(Siehe online unter https://doi.org/10.1145/2661229.2661240) - Multivariate McCormick relaxations, Journal of Global Optimization, 2014;59(2-3):633-62
Tsoukalas A, Mitsos A
(Siehe online unter https://doi.org/10.1007/s10898-014-0176-0) - Numerical comparison of isotropic hypo-and hyperelas- ticbased plasticity models with application to industrial forming processes, International Journal of Plasticity, 2014;63:18-48
Brepols T, Vladimirov IN, Reese S
(Siehe online unter https://doi.org/10.1016/j.ijplas.2014.06.003) - Recent advances in computational methodology for simulation of mechanical circulatory assist devices, Wiley Interdisciplinary Reviews: Systems Biology and Medicine, 2014;6(2):169-88
Marsden AL, Bazilevs Y, Long CC, Behr M
(Siehe online unter https://doi.org/10.1002/wsbm.1260) - A scalable, linear-time dynamic cutoff algorithm for molecular dynamics, In International Conference on High Performance Computing 2015 (pp. 155-70), Springer, Cham
Springer P, Ismail AE, Bientinesi P
(Siehe online unter https://doi.org/10.1007/978-3-319-20119-1_12) - Algorithmic differentiation of numerical methods: Tangent and adjoint solvers for parameterized systems of nonlinear, ACM Transactions on Mathematical Software (TOMS), 2015;41(4):26
Naumann U, Lotz J, Leppkes K, Towara M
(Siehe online unter https://doi.org/10.1145/2700820) - Analysis of pressure perturbation sources on a generic space launcher after-body in supersonic flow using zonal turbulence modeling and dynamic mode decomposition,, Physics of Fluids, 2015;27(1):016103
Statnikov V, Sayadi T, Meinke M, Schmid P, Schröder W
(Siehe online unter https://doi.org/10.1063/1.4906219) - Higher-order discrete adjoint ODE solver in C++ for dynamic optimization, Procedia Computer Science, 2015;51:256-65
Lotz J, Naumann U, Hannemann-Taḿas R, Ploch T, Mitsos A
(Siehe online unter https://doi.org/10.1016/j.procs.2015.05.237) - Time discrete geodesic paths in the space of images, SIAM Journal on Imaging Sciences, 2015;8(3):1457-88
Berkels B, Effland A, Rumpf M
(Siehe online unter https://doi.org/10.1137/140970719) - A numerical method for the computation of tangent vectors to 2×2 hyperbolic systems of conservation laws, Communications in Mathematical Sciences, 2016;14(3):683–704
Herty M, Piccoli B
(Siehe online unter https://doi.org/10.4310/CMS.2016.v14.n3.a5) - Advances in the simulation of protein aggregation at the atomistic scale, Journal of Physical Chemistry B, 2016;120:2991-9
Carballo-Pacheco M, Strodel B
(Siehe online unter https://doi.org/10.1021/acs.jpcb.6b00059) - Automatic implementation of material laws: Jacobian calculation in a finite element code with TAPENADE, Computers & Mathematics with Applications, 2016;72(11):2808-22
Zwicke F, Knechtges P, Behr M, Elgeti S
(Siehe online unter https://doi.org/10.1016/j.camwa.2016.10.010) - Certified reduced basis methods for parametrised distributed elliptic optimal control problems with control constraints. SIAM Journal on Scientific Computing. 2016;38(6):A3921-46
Bader E, Kärcher M, Grepl MA, Veroy K
(Siehe online unter https://doi.org/10.1137/16M1059898) - Deforming fluid domains within the finite element method: five meshbased tracking methods in comparison, Archives of Computational Methods in Engineering, 2016;23(2):323-61
Elgeti S, Sauerland H
(Siehe online unter https://doi.org/10.1007/s11831-015-9143-2) - Modeling nonequilibrium gas flow based on moment equations, Annual Review of Fluid Mechanics, 2016;48:429-58
Torrilhon M
(Siehe online unter https://doi.org/10.1146/annurev-fluid-122414-034259) - Non-linear shape optimiza- tion using local subspace projections, ACM Transactions on Graphics (TOG), 2016;35(4):87
Musialski P, Hafner C, Rist F, Birsak M, Wimmer M, Kobbelt L
(Siehe online unter https://doi.org/10.1145/2897824.2925886) - Two-scale FE–FFT-and phase-field-based computational modeling of bulk microstructural evolution and macroscopic material behavior, Computer Methods in Applied Mechanics and Engineering, 2016;305:89-110
Kochmann J, Wulfinghoff S, Reese S, Mianroodi JR, Svendsen B
(Siehe online unter https://doi.org/10.1016/j.cma.2016.03.001) - A certified trust region reduced basis approach to PDE- constrained optimization, SIAM Journal on Scientific Computing, 2017;39(5):S434-60
Qian E, Grepl M, Veroy K, Willcox K
(Siehe online unter https://doi.org/10.1137/16M1081981) - A posteriori error control for the binary Mumford-Shah model, Mathematics of Computation, 2017;86(306):1769-91
Berkels B, Effland A, Rumpf M
(Siehe online unter https://doi.org/10.1090/mcom/3138) - An ultraweak DPG method for viscoelastic fluids. Journal of Non-Newtonian Fluid Mechanics. 2017;247:107-22
Keith B, Knechtges P, Roberts N V, Elgeti S, Behr M, Demkowicz L
(Siehe online unter https://doi.org/10.1016/j.jnnfm.2017.06.006) - Direct particle–fluid simulation of Kolmogorov-lengthscale size particles in decaying isotropic turbulence, Journal of Fluid Mechanics, 2017;819:188-227
Schneiders L, Meinke M, Schröder W
(Siehe online unter https://doi.org/10.1017/jfm.2017.171) - Spatially varying heat flux driven close-contact melting – A Lagrangian approach, International Journal of Heat and Mass Transfer. 2017;115:1276-87
Schüller K, Kowalski J
(Siehe online unter https://doi.org/10.1016/j.ijheatmasstransfer.2017.08.092) - Streamline segment scaling behavior in a turbulent wavy channel flow. Experiments in Fluids, 2017;58(2):10
Rubbert A, Hennig F, Klaas M, Pitsch H, Schröder W, Peters N
(Siehe online unter https://doi.org/10.1007/s00348-016-2291-9) - Transient multiple particle simulations of char particle combustion, Fuel, 2017;199:289-98
Sayadi T, Farazi S, Kang S, Pitsch H
(Siehe online unter https://doi.org/10.1016/j.fuel.2017.02.096) - A systematic at- las of chaperome deregulation topologies across the human cancer landscape, PLoS Computational Biology, 2018;14(1):e1005890
Esfahani AH, Sverchkova A, Saez-Rodriguez J, Schuppert AA, Brehme M
(Siehe online unter https://doi.org/10.1371/journal.pcbi.1005890) - Optimal Deterministic Algorithm Generation, Journal of Global Optimization. 2018
Mitsos A, Najman J, Kevrekidis IG
(Siehe online unter https://doi.org/10.1007/s10898-018-0611-8) - Simplex space-time meshes in two-phase flow simulations, International Journal for Numerical Methods in Fluids, 2018;86:218-30
Karyofylli V, Frings M, Elgeti S, Behr M
(Siehe online unter https://doi.org/10.1002/fld.4414)
