fbpx

Wissenschaftliches Rechnen

Simulationen

Wissenschaftliches Rechnen

Mit der räumlichen Darstellung und Modellierung von Daten eröffnen wir neue Möglichkeiten der Auswertung und Simulation.

Komplexität reduzieren mit Simulationen

Simulationen ermöglichen uns mit virtuellen Systemen zu interagieren und Rückschlüsse auf die reale Welt zu ziehen. Der virtuelle Raum eröffnet uns dabei Möglichkeiten um Systeme zu simulieren, die noch nicht existieren oder für uns nicht zugänglich bzw. messbar sind. Simulationen bieten eine Vielzahl von Nutzen:

- Reduktion von Komplexität
- Vorhersagen treffen
- Ergänzung von Messungen
- Simulationen können modifiziert werden
- Simulationen sind reproduzierbar
- Darstellung von nicht beobachtbaren Systemen als Prozess und Interaktion
- Darstellung von Systemen die noch nicht existieren
- Tests ohne reale Gefährdung

team member

Mathematische Modelle

Ein mathematisches Modell beschreibt einen Ausschnitt der realen Welt. Die fundierten Methoden der Mathematik bilden die Basis für unsere Arbeit mit Daten. Unsere Prozesse, Algorithmen und komplex-dynamischen Systeme ermöglichen die Extraktion von Mustern und die Vorhersage von Ereignissen und Zuständen.

Darauf aufbauend entwickeln wir in interdisziplinärer Zusammenarbeit Darstellungen von Datenextrakten, die auch Fachleuten ohne technische Expertise zugänglich sind.

team member

Geometrieverarbeitung

Die Geometrieverarbeitung beschäftigt sich mit der algorithmisch-numerischen Lösung geometrischer Probleme des Maschinenbaus, der Computergraphik, Robotik, Bildanalyse, Geographie und Unterhaltungsindustrie.

Zur Lösung werden Geometrische Objekte im Computer abgebildet und verarbeitet. Grundlage hierfür sind Beschreibungen solcher Objekte durch Formeln oder durch Netze, welche aus Pyramiden und Dreiecken bestehen. Auf diesen Objekten können Berechnung durchgeführt und visualisiert werden.

team member

Maschinelles Lernen und KI

Beim datengetriebenen Lernen werden aus Datensätzen Kennzahlen, sogenannte Features, so wie Zielgrößen extrahiert. Mit diesen Datenpunkten wird ein Modell trainiert, welches möglichst optimal durch die bereits bekannten Datenpunkte verläuft.
Beim bestärkenden Lernen wird ein Modell kontinuierlich verbessert. Hierfür wird die Reaktion des Modells auf eine Eingabesitutation mathematisch mit einer Bewertungsfunktion ausgewertet. Anhand dieser Auswertung kann das Modell angepasst werden und somit entsteht über die Zeit ein immer besseres Modell.

Anwendungsbeispiele

Bereits umgesetzte Projekte

Konstruktionsdaten, sogenannte CAD-Files, wurden eingelesen und daraus in echtzeit 3D-Modelle generiert, welche in einem 3D-Raum dargestellt wurden. Zusammen mit einer VR-Brille wurde der Benutzer in eine virtuelle Realität integriert, in der er sich frei bewegen und mit Gegenständen über die Hände interagieren konnte.

Mit Hilfe von maschinellem Lernen und einer Simulationsberechnung wurde das Positionieren
von Schablonen und das anschliessende Ausschneiden mit Hilfe eines Lasers aus einer
Metallplatte optimiert.

Um den Verschnitt, der beim Ausschneiden von Schnittmustern aus Lederhäuten entsteht, zu
optimieren, wurden Techniken und Algorithmen des maschinellen Lernens entwickelt und
angewendet. Auf Basis historischer Daten konnte so ein Zusammenhang zwischen besonders
günstigen Kombinationen von Lederhäuten und Schnittmustern hergestellt werden. Die
hierfür benötigten Merkmale wurden aus den CAD-Daten der Schablonen und Hautdaten
extrahiert.

 

Für eine Computerspielefirma wurde ein realistische Fahrzeugmodell implementiert. Das Fahrzeugmodell  wurde dabei innerhalb einer virtuellen Realität physikalisch korrekt simuliert. Hierfür wurde ein mathematisches Modell ausgearbeitet und die Berechnungen auf das Modell übertragen.

Expertise über OpenGL im Kontext einer Webassembly Applikation.

Es wurde ein Algorithmus entwickelt, der eine Geometrie von Linien nach bestimmten Regeln zufällig erstellt und animiert.

VR-Anwendungen um Fahrzeugmodelle interaktiv zu betrachten.

Das Schaltverhalten eines Abstandsensors wurde durch Methoden des maschinellen Lernens analysisert und prototypisch verbessert.

Über uns

Wir gestalten Spielräume für Wissen. Lernen Sie unser interdisziplinäres Team kennen.

About
tripadvisor flickr americanexpress bandcamp basecamp behance bigcartel bitbucket blogger codepen compropago digg dribbble dropbox ello etsy eventbrite evernote facebook feedly github gitlab goodreads googleplus instagram kickstarter lastfm line linkedin mailchimp mastercard medium meetup messenger mixcloud paypal periscope pinterest quora reddit rss runkeeper shopify signal sinaweibo skype slack snapchat soundcloud sourceforge spotify stackoverflow stripe stumbleupon trello tumblr twitch twitter uber vimeo vine visa vsco wechat whatsapp wheniwork wordpress xero xing yelp youtube zerply zillow px aboutme airbnb amazon pencil envelope bubble magnifier cross menu arrow-up arrow-down arrow-left arrow-right envelope-o caret-down caret-up caret-left caret-right