Ik bouw physics informed neural networks en ml surrogates


Over deze dienst
Automatische vertaling
FEA lijkt overtuigend, zelfs als het niet klopt. Verkeerde mesh, verkeerd contact, verkeerde constraint, en de stressplot is fictie. Ik voer fulltime volledige eindige-elementenanalyse en expliciete dynamica uit: beugels, CubeSat-frames, composietpanelen, vliegtuigstutten, crashbuizen, valtesten, explosiepanelen, friction stir welding. Voordat ik een regel van het rapport schrijf, controleer ik: - Reactiekrachten balanceren de toegepaste belasting - Mesh onafhankelijkheid over drie dichtheden - Vorm van de vervorming heeft fysiek zin - Hourglass-energie onder de 10 procent bij elke LS-DYNA run. Scope: statische structurele analyse, modal, buckling, niet-lineaire contact, vermoeidheid, composietlay-ups en falingscriteria, expliciete crash en impact, valtesten, explosieladingen, thermisch structureel koppelen. Gereedschappen: ANSYS Mechanical, ANSYS ACP voor composieten, LS-DYNA met LS-PrePost, SolidWorks Simulation, HyperMesh. Onderdeel van een praktijk met meer dan 60 gedocumenteerde CFD-, FEA- en crashprojecten in de luchtvaart, automotive en energiesector. Stuur de geometrie en load case. Ik vertel je recht voor z’n raap welk pakket past, en of de fysica die je wilt oplossen binnen je budget mogelijk is.
Maak kennis met Taimoor Amin
Your expert for CFD, FEA, LS DYNA Simulation, ML Surrogates for engineering
- Afkomstig uitPakistan
- Lid sindsmrt 2025
- Gem. reactietijd1 uur
- Laatste levering2 maanden
Talen
Engels, Urdu, Frans, Duits, Italiaans, Spaans
Automatische vertaling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Wat is een fysica geïnformeerd neural network en waarom zou ik er een willen?
Een normaal neural network leert alleen van data. Een PINN heeft ook de besturingsvergelijking ingebouwd in de verliesfunctie, waardoor het wordt bestraft voor het geven van antwoorden die de fysica schenden. In de praktijk betekent dat dat het veel minder trainingsdata nodig heeft en geen onzin produceert buiten het bereik waarin het
Hoe verschilt dit van het inhuren van een data scientist?
Een data scientist behandelt jouw CFD-uitvoer als een tabel met cijfers. Ik heb de solver die het heeft geproduceerd zelf uitgevoerd. Ik weet welke randvoorwaarde de resultaten beïnvloedt, waar het mesh te grof was, en of een fout van 3 procent belangrijk is voor jouw ontwerpbeslissing of niet. Die context is het verschil
Welke data heb je nodig?
Of het nu simulatie-uitvoer is, een parametrische sweep is ideaal, of de besturingsvergelijking en randvoorwaarden als je een puur fysica-gedreven model wilt zonder data. Als je die nog niet hebt, kan ik de trainingsdata genereren door de simulaties uit te voeren, wat een aparte offerte is.
Wordt de surrogate echt sneller?
Dat is het punt. Een getrainde surrogate evalueert in milliseconden, terwijl de originele oplossing minuten of uren kost. De eerlijke kanttekening is dat training tijd kost, dus dit loont wanneer je veel evaluaties nodig hebt, voor optimalisatie, sensitiviteitsstudies of ontwerpverkenning.

