Ik ontwikkel aangepaste physics informed neural networks pinns in pytorch

Zijn je FEM/CFD-simulaties te traag of te zwaar voor de computer?

Ik ben een PhD computational researcher en Visiting Researcher aan Imperial College London, gespecialiseerd in Scientific Machine Learning (SciML).

Ik bouw op maat gemaakte Physics-Informed Neural Networks (PINNs) in pure PyTorch vanaf nul, waarbij ik high-level wrappers vermijd om maximale controle, debuggability en prestaties voor jouw physics constraints te garanderen.

Wat ik voor jou kan doen:

• Oplossen van complexe forward en inverse PDE's, inclusief het extraheren van onbekende parameters uit experimentele data.

• Snelle, ML-gebaseerde surrogate vervangingen voor computationeel dure traditionele simulaties.

• Debuggen en versnellen van je bestaande PyTorch of SciML codebases.

Recente opdrachten:

• Gemodelleerde high-Re turbulente stromingen (Re=10.000 Navier-Stokes).

• Opgelost complex elastoplastisch probleem via Hertz Contact PINNs.

Waarom mij inhuren? Je krijgt niet alleen een programmeur, maar een strategische computationele partner. Ik zorg dat je modellen mathematisch foutloos zijn.

Stuur me een bericht met je PDE en scope voordat je bestelt!