Mit diesen neuartigen Methoden wollen wir (1) eine genauere, effizientere, flexiblere und robustere numerische Modellierung und Simulation ermöglichen; (2) die Lücke zwischen computergestütztem Entwurf, Simulation, Designoptimierung und Fertigung schließen; und (3) klassische, physikbasierte Ansätze mit datengetriebenem, physik-informiertem maschinellem Lernen kombinieren.
Diese Entwicklungen sind entscheidend für die erfolgreiche Anwendung vieler aufkommender, neuartiger Fertigungs- und Materialtechnologien und für die volle Ausschöpfung ihres Potenzials. Darüber hinaus sind sie integraler Bestandteil der Entwicklung digitaler Zwillinge von cyber-physischen Systemen, die eine effizientere und nachhaltigere Produktentwicklung und -betrieb ermöglichen.
Themen
- Physikbasierte Modellierung und datengetriebene Modellentwicklung für Ingenieuranwendungen:
- Nichtlineare Kontinuumsmechanik (finite Deformationen, hyperelastische Materialien, Viskoelastizität, Plastizität, Kontakt)
 - Strukturmechanik, insbesondere 3D-Balkenmodelle
 - Multiskalenmodellierung mit klassischen und verallgemeinerten Kontinuumstheorien
 - Multiphysikalische Modelle, die mechanische mit thermischen, elektromagnetischen oder chemischen Effekten koppeln
 - Physik-geleitetes maschinelles Lernen für Konstitutivmodelle und Modellreduktion
 
 - Entwicklung zukunftsweisender Berechnungsmethoden für die Simulation und Optimierung: 
- Isogeometrische Analyse, Finite-Elemente- und Kollokationsmethoden
 - Optimierung von Topologie, Form, Design und Dimensionierung
 - Homogenisierungsmethoden für die Mehrskalensimulation
 - Modellreduktion dynamischer Systeme
 
 - Anwendungen auf neuartige Fertigungsverfahren und nahtlose Integration von computergestütztem Design, Optimierung und Fertigung:
- Multimaterial 3D-Druck funktional gradierter Strukturen
 - 4D-Druck von weichen, aktiven Materialien
 - Funktionale, 3D-gedruckte Gitterstrukturen und Metamaterialien
 - 3D-Stricken von Funktionstextilien
 
 - Numerische und experimentelle Untersuchung von Photopolymeren in der additiven Fertigung:
- Untersuchung von Materialien und Fertigungsprozessen im 3D-Druck mit Fokus auf Polymeren
 - Mechanische Charakterisierung und Materialmodellierung von 3D-gedruckten Polymeren
 - Elastische, hyperelastische, viskoelastische und elasto-visko-plastische Materialmodellierung bei großen und kleinen Verformungen
 - Untersuchung des Einflusses von Prozessparametern auf die mechanischen Eigenschaften gedruckter Strukturen
 - Design und Optimierung von 3D-gedruckten Strukturen und Prozessen
 
 
Geförderte Projekte
| Projekttitel | Kooperationspartner | Laufzeit | Förderer | 
|---|---|---|---|
| EnDyRo – Energy-based, physics-aware learning of dynamic robot motion | Prof. Dr. Jan Peters (TU Darmstadt) | 2025 | Hessian.AI | 
| 
Port-Hamiltonian Neural Networks for Surrogate Modelling and Uncertainty  Quantification (StartUp project)  | 
CRC/TRR 361/F90 – CREATOR (Computational Electric Machine Laboratory: Thermal Modelling, Transient Analysis, Geometry Handling and Robust Design) | 2025-… | DFG | 
| CellDistinct – Gezielte Zelldifferenzierung durch optimal gradierte Mikrogitterstrukturen | Prof. Dr. Andreas Blaeser (TU Darmstadt) | 2023-2025 | HMWK (LOEWE 5) | 
| OptiMag – Optimiertes Magnetdesign für Kältemaschinen | 
MagnoTherm Solutions GmbH, Prof. Dr. Sebastian Schöps (TU Darmstadt)  | 
2023-2025 | HMWK (LOEWE 3) | 
| Ein thermodynamisch konsistenter Konstitutivmodellierungsansatz für Inelastizität auf Basis von künstlichen neuronalen Netzen | - | 2022-2025 | DFG | 
| Mikro-Gitterstrukturen als Lithiumionenakku-Elektroden: Chemo-mechanische Balkenmodellierung von diffusionsinduzierten Instabilitäten und optimales Design | Prof. Dr Bai-Xiang Xu (TU Darmstadt) | 2021-2024 | DFG | 
| Data-driven methods for nonlinear multi-scale computational mechanics | Prof. Dr. Kristian Kersting (TU Darmstadt) | 2019-2021 | TU Darmstadt |