- A posteriori investigation of CNNs for hydrogen combustion modeling
Vanvinckenroye, Joris Vincent; Müller, Matthias S. (Thesis advisor); Pitsch, Heinz (Thesis advisor); Orland, Fabian (Consultant); Nista, Ludovico (Consultant)
Aachen : RWTH Aachen University (2024)
Masterarbeit
Masterarbeit, RWTH Aachen University, 2024
Kurzfassung
Aufgrund der sehr geringen Schadstoffemissionen von Wasserstoffverbrennungen spielt der Kraftstoff eine wichtige Rolle bei der Bekämpfung des Klimawandels und der Begrenzung der globalen Erwärmung auf 1,5 °C. Akkurate Modellierungsmethoden für die Wasserstoffverbrennung sind entscheidend, um den enormen Rechenaufwand direkter numerischer Simulationen zu reduzieren und die Technologie zur Marktreife zu bringen. In dieser Arbeit wird die Anwendung von Convolutional Neural Networks, insbesondere U-Net und UNet++, zur Modellierung von mageren Wasserstoffflammen in laminaren Strömungen untersucht. Wir koppeln diese Netze mit dem physikalischen Simulationsprogramm CIAO unter Verwendung zweier Ansätze: MLLib und AIxeleratorService, und evaluieren und vergleichen ihre Leistung sowohl in Bezug auf die Genauigkeit als auch auf die Skalierbarkeit. Um die gekoppelte Simulation zu beschleunigen, wird eine verteilte Netzwerkinferenz mit dem AIxeleratorService implementiert. Wir beobachten jedoch ein unphysikalisches Verhalten bei den gekoppelten Simulationen. Um dem entgegenzuwirken, optimieren wir die Modelle mit zusätzlichen Trainingsdaten, Hyperparametertuning und Post-TrainingPruning. Trotz der Verringerung des a-priori Vorhersagefehlers führen diese Methoden nicht zu einer konsistenten Verbesserung der a-posteriori Simulationsergebnisse. Unsere Ergebnisse unterstreichen die Notwendigkeit einer a-posteriori Evaluierung für neuronale Netze in Wasserstoffverbrennungssimulationen.
Einrichtungen
- IT Center [022000]
- Fachgruppe Informatik [120000]
- Lehrstuhl für Hochleistungsrechnen (Informatik 12) [123010]