ENSIMA - Energieoptimiertes High-Performance Computing für Finite-Elemente-Simulationen in der Produktentwicklung

Read full text Summarise with VIRAT
Authors: Ahmad Tarraf, Felix Wolf
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Das ENSIMA-Projekt startete 2022 mit dem Ziel, die effiziente Nutzung numerischer Simulationen im modernen Produktdesign zu verbessern. Besonders in der Fertigungs- und Automobilindustrie helfen Simulationen, Designentscheidungen frühzeitig zu bewerten, physische Prototypen zu reduzieren sowie Entwicklungszeit und Ressourcenverbrauch zu senken. Gleichzeitig wächst durch die steigende Produktkomplexität der Gestaltungsraum mit zahlreichen Parametern, dessen vollständige Exploration enorme Rechenleistung und Energie erfordern würde. ENSIMA entwickelt Methoden zur energie- und ressourceneffizienten Optimierung komplexer Simulationsworkflows. Im Fokus steht die Kombination KI-basierter Steuerung mit Approximate und Heterogeneous Computing, wodurch Parametrisierung und Simulation deutlich beschleunigt werden. Statt alle Parameterkombinationen zu berechnen, werden gezielt Stichproben genutzt, um datengetriebene Modelle für iterative Optimierung und inverses Design abzuleiten. Leistungs- und Energiemodelle ermöglichen adaptive Strategien, die Genauigkeit, Performance und Energieverbrauch ausbalancieren. Als Demonstrator dient die Optimierung von Platinengeometrien im Karosseriebau mit OpenForm (GNS mbH). Ziel ist die Maximierung der Ergebnisqualität bei begrenztem Zeit- und Energiebudget. Ergänzende Analyseverfahren und ein Accelerator-Service unterstützen die adaptive Nutzung heterogener Architekturen und steigern Effizienz, Skalierbarkeit und Nachhaltigkeit im industriellen Hochleistungsrechnen. In ENSIMA haben sich drei akademische und zwei industrielle Partner mit zwei assoziierten Partnern zusammengeschlossen. Die Technische Universität Darmstadt bringt ihre Expertise in die Optimierung von Designparametern für Simulations- und Effizienzmodellierung ein und entwickelt KI-basierte Verfahren zur Identifikation optimaler Konfigurationen. Ergänzend werden Skalierbarkeit und Effizienz von Workflow-Komponenten mithilfe von Tools wie Extra-P analysiert.

Fields of Study & Subjects

Parallel Computing and Optimization Techniques Energy Efficiency in Computing Advanced Multi-Objective Optimization Algorithms

Publication details

Journal / source
RENATE
Publication date
24 March 2026
Language
DE