VICKI: Voraussage von Inhomogenitäten und Clusterdynamik mittels Künstlicher Intelligenz

Das Hauptziel ist die Vorhersage der dynamischen Entwicklung von Partikelensembles in geringer
Teilchenzahldichte (granularer Gase) unter externer Anregung und während des anregungsfreien
Abkühlvorganges.
Aus den Informationen über Partikelkonfigurationen (relative Positionen und Geschwindigkeiten) kann die KI vorhersagen, wie sich die weitere Entwicklung eines solchen Systems vollziehen wird. Damit können zum Beispiel Abschätzungen darüber getroffen werden, ob sich aus einer bestimmten Konfiguration von Partikeln bei bekannten geometrischen und dynamischen Eigenschaften Cluster bilden werden oder ob das granulare Gas homogen und strukturlos bleibt. Diese Fragestellung betrifft eine grundlegende Eigenschaft granularer Gase, die in vielfältiger Weise die makroskopischen Eigenschaften eines solchen Systems beeinflusst. Andererseits kann ein auf KI basierender Algorithmus auch für eine gegebene Cluster- Konfiguration deren Dynamik vorhersagen, und Aussagen darüber machen, ob für das Cluster ein bevorstehender Zerfall zu erwarten ist.

Traditionell werden solche Fragen mit Hilfe von Simulationsmethoden beantwortet, die durch die
experimentelle Datenanalyse unterstützt werden. Dies bedeutet jedoch, dass Simulationen durchgeführt werden müssen, die eine Vielzahl von Situationen abdecken.
Der Einsatz von ML/KI würde bei folgenden Aufgaben helfen:
- intelligentes Füllen von Lücken im Parameterraum
- schnelle Vorhersagen für bestimmte Situation ermöglichen
- In Verbindung mit den ML-gestützten experimentellen Datenanalyse-Methoden können die Simulationen effizienter auf reale Bedingungen abgestimmt werden
- Charakterisierung der Einflussnahme auf die Dynamik durch Variation der Anregungsparameter oder anderer, geometrischer Größen, um zum Beispiel die Clusterbildung zu unterstützen oder zu unterdrücken