Reales Bauwerk
Daten und Physik auf einer Plattform
Das Lab unterstützt sowohl klassische Simulation als auch datenbasierte Verfahren und ihre Verknüpfung.
Forschungsinfrastruktur · HPC & Data Science
Data Science &
Computing Lab
Die zentrale Rechen- und Datenplattform für physikbasierte Simulation, Machine Learning und hybride Digitale Zwillinge in RISK.twin.
12
zusätzliche CPU-Rechenknoten
624
zusätzliche CPU-Kerne
Kurz erklärt
Rechenleistung als Grundlage für hybride Digitale Zwillinge.
Das Data Science & Computing Lab ist keine einzelne Anwendung, sondern die technische und methodische Forschungsinfrastruktur hinter mehreren RISK.twin-Demonstratoren.
Hybride Digitale Zwillinge verbinden physikalisch basierte Modelle und Simulationen – etwa Finite-Elemente-Methoden – mit datenbasierten Verfahren wie Machine Learning. Dafür werden große Datenmengen verarbeitet, komplexe Modelle trainiert und rechenintensive Szenarien untersucht.
Das Lab stellt die dafür notwendige Hardwareplattform für High Performance Computing und High Performance Data Analytics bereit. Es unterstützt die Offline-Entwicklung der Modelle und schafft die Grundlage, um konkrete Fragestellungen aus Brückenbau, Hochbau sowie Wasser- und Energiesystemen zu bearbeiten.
Warum ist das relevant?
Komplexe Systeme brauchen leistungsfähige Modelle und Hardware.
Vom realen System zum hybriden Modell
Daten, Physik und Rechenleistung greifen ineinander.
Das Lab verbindet die Daten aus realen Bauwerken und Versuchsanlagen mit physikbasierten Modellen, skalierbaren Algorithmen und datenbasierten Verfahren.
1. Reale Daten
Sensorik und Versuche liefern Messdaten aus Brücken, Gebäuden und technischen Anlagen.
2. Physikalische Modelle
Numerische Simulationen beschreiben Mechanik, Prozesse und Systemverhalten auf Basis physikalischer Zusammenhänge.
3. Data Science & ML
Datenbasierte Methoden erkennen Muster, ergänzen Modelle und unterstützen Prognosen oder virtuelle Sensoren.
4. Hybrider Zwilling
Die verknüpften Modelle bilden die Grundlage für Monitoring, Systembewertung und vorausschauende Anwendungen.
Technische Infrastruktur
Was das Computing Lab für RISK.twin bereitstellt.
Die HPC-Hardwareplattform wurde zu Projektbeginn beschafft, im laufenden Projekt erweitert und steht den beteiligten Teilprojekten als gemeinsame Forschungsinfrastruktur zur Verfügung.
Zwölf zusätzliche Rechenknoten mit Intel-Xeon-Cascadelake-Prozessoren wurden in das bestehende System integriert und verdoppelten laut Factsheet die Rechenleistung des Clusters.
– 12 Rechenknoten
– 2 × 26 Kerne je Knoten
– 624 zusätzliche Kerne
– AVX512
– Parallele Berechnungen
Die im Factsheet zunächst geplante Erweiterung mit Grafikprozessoren wurde laut Abschlussbericht inzwischen integriert. Sie unterstützt insbesondere das Training datenbasierter Modelle.
Die Plattform ist sowohl für rechenintensive physikalische Simulationen als auch für High Performance Data Analytics ausgelegt.
Das Computing Lab stellt Rechenleistung und Methoden nicht nur für einen Demonstrator bereit, sondern unterstützt mehrere RISK.twin-Teilprojekte und weitere Forschungsprojekte wie HPC.bw.
Methoden & Software
Von skalierbarer Simulation zu Physik-informiertem Lernen.
Physikbasierte Simulation
Parallele Finite-Elemente-Methoden
Eigenentwickelte Simulationssoftware ist auf parallele Kommunikation und Skalierbarkeit ausgelegt. Die im Projekt entwickelte Software für physikbasierte Simulation wurde als Open Source unter LGPL veröffentlicht.
Hybride Modelle
Physik-informierte neuronale Netze und probabilistische Verfahren
In der ersten Projektphase wurden Softwarewerkzeuge für Physik-informiertes maschinelles Lernen entwickelt. Weitere Arbeiten befassen sich mit datengetriebener Inferenz und virtuellen Sensoren zur Zustandsüberwachung.
Alleinstellungsmerkmale
Was die Forschungsinfrastruktur besonders macht.
01
02
Passgenau für Ingenieuranwendungen
Hardware, Algorithmen und Software sind auf rechenintensive Fragestellungen der kritischen Infrastruktur ausgerichtet.
03
Eine Infrastruktur für viele Demonstratoren
Das Computing Lab verbindet die Teilprojekte und schafft eine gemeinsame Basis für Modelle, Daten und Anwendungen.
Ergebnisse & Einblicke
Was aus dem Computing Lab entstanden ist.
CPU-/GPU-Hardwareplattform
Die projektweite HPC-Plattform wurde in Betrieb genommen und um Grafikprozessoren für datenbasierte Modelle erweitert.
Open-Source-Simulationssoftware
Die entwickelte Software für physikbasierte Simulation wurde unter einer LGPL-Lizenz veröffentlicht.
Methoden für hybride Modelle
Softwarepakete für Physik-informiertes maschinelles Lernen und Grundlagen für virtuelle Sensoren wurden entwickelt.
Wissenschaftlicher Kontakt
Rechenleistung und Methoden bleiben verfügbar.
Das Data Science & Computing Lab und die im Projekt aufgebauten Kompetenzen sind an der Professur für Computergestützte Simulation der Universität der Bundeswehr München verankert.
Ansprechpartner
Prof. Dr.-Ing. Alexander Popp
Wissenschaftliche Leitung
PD Dr.-Ing. habil. Matthias Mayr
Data Science & Computing Lab
Wo die Recheninfrastruktur wirksam wird
Modelle und Daten aus anderen Forschungsumgebungen.
Versuchsstand
Historische Stahlbrücke
Versuchtsstand entdecken
Versuchsanlage