Im Rahmen des Forschungsprojektes FlowForLife wird ein mikrofluidisches Versorgungsnetzwerk für 3D Zellverbände entwickelt. Ein Teilaspekt der Netzwerkauslegung ist der Sauerstofftransport in der Umgebungsmatrix. Um diesen zu charakterisieren werden der Umgebungsmatrix Sauerstoff quenchende, lumineszente Partikel zugemischt. An jedem Partikel kann eine Sauerstoffkonzentration bestimmt werden.

Auf Basis dieser punktförmigen Konzentrationsdaten soll das Strömungsfeld in der porösen Umgebungsmatrix bestimmt werden. Dazu muss eine Lösung für die Konvektions-Diffusions-Gleichung gefunden werden, die das gemessene Konzentrationsfeld repräsentiert. Dabei muss die Massenerhaltung und Impulserhaltung für das zugrunde gelegte Strömungsfeld erfüllt sein. Eine Vielversprechender Ansatz um eine solche Lösung zu finden sind Physical-Informed-Neuronal-Networks (PINNs). In dieser Arbeit soll ein PINN-Code entwickelt werden und die erreichbare Genauigkeit evaluiert werden.

Aufgaben:

• Erstellen von synthetischen Datensätzen
• Entwickeln des PINNs
• Benchmarking und Untersuchen verschiedener Einflussfaktoren wie Messgenauigkeit, Datendichte, Kenntnis von Randbedingungen auf die Vorhersagegenauigkeit
• Gegebenenfalls Referenz Experimente

Startzeitpunkt:so bald wie möglich