Für technische Herausforderungen bieten Modelle des maschinellen Lernens leistungsstarke Lösungen, die Effizienz, Präzision und Sicherheit verbessern. Forscherinnen und Forscher der Leibniz Universität Hannover entwickeln speziell angepasste Modelle für mechanische Anwendungen. Die Kombination aus physikalischen Simulationen und datengesteuerten Methoden führt zu wegweisenden Innovationen, die komplexe Probleme mit wenigen Daten effizienter und präziser lösen. Zum Beispiel ermöglicht sie durch inverses Design die Entwicklung maßgeschneiderter Materialien für die Energie- und Mobilitätsbranche.
