"Smart Data" statt "Big Data"

Technische Fragestellungen werden in Forschung und Industrie häufig mit klassischen Machine-Learning-Methoden behandelt, welche jedoch den Nachteil haben, dass gute Ergebnisse große Mengen an Trainingsdaten - “Big Data” - voraussetzen. Stefan Posch und sein Team des neuen CD-Labors für Physikbasiertes maschinelles Lernen in industriellen Anwendungen an der TU Graz arbeiten daher, unterstützt von den Unternehmenspartnern BRP-Rotax GmbH & Co KG, Andritz Hydro GmbH, Palfinger Europe GmbH, Engineering Center Steyr GmbH & Co KG und MAN Energy Solutions SE, an einer innovativen Erweiterung dieses Prinzips: Dabei soll traditionelles Machine Learning mit physikbasierten Methoden kombiniert werden, um so “Physics-Driven-Machine-Learning”-Modelle zu erhalten, welche die einzuhaltenden physikalischen Regeln “kennen” und damit eine höhere Genauigkeit bei weit weniger Trainingsdatenbedarf ermöglichen - es wird also mit “Smart Data” gearbeitet und ein wichtiger Beitrag zur zukünftigen deutlichen Beschleunigung numerischer Simulationen (und damit zur schnelleren, effizienteren Produktentwicklung in der Industrie) geleistet!