Dr. Siddhant Agarwal

Ich interessiere mich für das transformative Potenzial des maschinellen Lernens in der Strömungsdynamik. Von der Beschleunigung rechenintensiver Simulationen bis hin zur Erstellung anspruchsvoller Surrogatmodelle, die schnell und differenzierbar sind, verspricht maschinelles Lernen, bisher unzugängliche Parameterräume sowie räumliche und zeitliche Skalen zu erschließen. Mein derzeitiges Forschungsinteresse gilt der Dateneffizienz, Skalierbarkeit und Verallgemeinerbarkeit solcher Vorwärtsmodellierungsmethoden in Form von physikbasierten Algorithmen und wissenschaftlichen Grundmodellen.