We recently concluded our international two-day project meeting for “Hybrid20 – Effective Construction of Hybrid Semi-Parametric Models for Model-Based Condition Monitoring and Accelerated Material Design.”
Hybrid20 addresses key challenges in modern engineering and materials research to enable more robust condition monitoring as well as accelerated material design processes:
- Combining data-driven AI models (machine learning) with physics-based models
- Embedding statistical uncertainty into simulations to account for measurement inaccuracies and imperfect sub-models (probabilistic modelling)
- Providing not only predictions (point estimates), but also a quantified measure of their reliability (uncertainty quantification)
The project is led by Materials Center Leoben Forschung GmbH (MCL) and brings together strong interdisciplinary partners from TU Wien, TU Graz, Montanuniversität Leoben, FH JOANNEUM, Heidelberg University, and Linz Center of Mechatronics.
It was great to see experts from materials science, computer science, signal processing, automation, industrial management, and computer engineering working closely together towards a shared goal: building hybrid models that are quick to construct and , physically meaningful and able to deal with varying levels of uncertainty.
***
Internationales Projekttreffen – Hybrid2.0
Vor kurzem haben wir unser internationales zweitägiges Projekttreffen zum Projekt „Hybrid2.0 – Effective Construction of Hybrid Semi-Parametric Models for Model-Based Condition Monitoring and Accelerated Material Design“ erfolgreich abgeschlossen.
Hybrid20 adressiert zentrale Herausforderungen der modernen Ingenieur- und Materialforschung, um ein robusteres Zustandsmonitoring sowie beschleunigte Materialentwicklungsprozesse zu ermöglichen
- Kombination datengetriebener KI-Modelle (Machine Learning) mit physikbasierten Modellen
- Integration statistischer Unsicherheit in Simulationen, um Messungenauigkeiten und unvollständige Teilmodelle systematisch zu berücksichtigen (probabilistische Modellierung)
- Bereitstellung nicht nur von Vorhersagen (Punktschätzungen), sondern auch einer quantifizierten Aussage über deren Verlässlichkeit (Uncertainty Quantification)
Das Projekt wird von der Materials Center Leoben Forschung GmbH (MCL) geleitet und vereint starke interdisziplinäre Partner von TU Wien, TU Graz, Montanuniversität Leoben, FH JOANNEUM, der Universität Heidelberg sowie dem Linz Center of Mechatronics.
Besonders beeindruckend war es zu sehen, wie Expertinnen und Experten eng zusammenarbeiten und das gemeinsame Ziel verfolgen, hybride Modelle zu entwickeln, die schnell aufsetzbar, physikalisch fundiert und zugleich in der Lage sind, mit unterschiedlichen Unsicherheitsniveaus souverän umzugehen.
