Die zweite Auflage des Lehrbuchs „Deep Learning in Computational Mechanics“ ist jetzt online unter https://link.springer.com/book/10.1007/978-3-031-89529-6 verfügbar! Ab dem 26. Dezember ist sie auch als Printausgabe erhältlich.

Prof. Oliver Weeger ist als neuer Koautor an dieser Auflage beteiligt. Der größte Dank gilt jedoch Prof. Stefan Kollmannsberger, Leon Herrmann und Moritz Jokeit für ihre hervorragende Arbeit!

Im Vergleich zur ersten Auflage wurde diese überarbeitete Version deutlich erweitert und behandelt viele zusätzliche Themen. Sie bietet eine Einführung in maschinelles Lernen in der numerischen Mechanik und setzt keine spezifischen Vorkenntnisse voraus.

Grundlagen des maschinellen Lernens werden eingeführt, bevor neuronale Netze erläutert werden. Darauf aufbauend werden wichtige Themen des Deep Learning für Simulationen untersucht. Dazu gehören Ersatzmodellierung, physikinformierte neuronale Netze, generative künstliche Intelligenz, Hamiltonsche und Lagrangesche neuronale Netze, konvexe neuronale Netze und allgemeinere Verfahren des maschinellen Lernens.

Das Buch vermittelt grundlegende Konzepte so einfach wie möglich, aber mathematisch fundiert. Ausgangspunkt sind eindimensionale Beispiele wie Elastizität, Plastizität, Wärmeentwicklung oder Wellenausbreitung. Die Konzepte werden anschließend auf moderne Anwendungen in der Materialmodellierung, der generativen künstlichen Intelligenz, der Topologieoptimierung, der Fehlererkennung und inversen Problemen erweitert.

Codes und weitere Begleitmaterialien sind auch zu finden unter:
http://deeplearningincomputationalmechanics.com