Ik ontwikkel physics informed neural networks

Heb je een physics-informed machine learning model nodig voor een technisch of wetenschappelijk probleem?

Ik ontwikkel Physics-Informed Neural Networks (PINNs) en wetenschappelijke machine learning modellen die fysieke vergelijkingen combineren met neural networks voor nauwkeurige en efficiënte modellering.

Met een sterke achtergrond in toegepaste wiskunde, werktuigbouwkunde, numeriek modelleren, CFD en warmtetransfer, kan ik helpen om fysieke problemen om te zetten in betrouwbare computationele modellen.

Mijn diensten omvatten:

Physics-Informed Neural Networks (PINNs)

ODE- en PDE-modellering

Voorwaartse fysica problemen

Parameterinschatting en inverse modellering

Wetenschappelijke machine learning

Surrogaatmodellering voor engineering simulaties

Warmtetransfer- en stromingsapplicaties

Modeltraining en optimalisatie

Validatie tegen numerieke of experimentele data

Implementatie op basis van Python en visualisatie van resultaten

De opleveringen kunnen onder meer gedocumenteerde broncode, getrainde modellen, validatieresultaten, grafieken en technische interpretaties bevatten, afhankelijk van jouw gekozen pakket.

Neem contact met mij op voordat je bestelt zodat ik de vergelijkingen, randvoorwaarden, beschikbare data en verwachte outputs kan bekijken.