Gondang: Jurnal Seni dan Budaya
Not a member yet
2544 research outputs found
Sort by
Schlussbericht
No full textDas Projekt KI Absicherung zielte darauf ab, einen ganzheitlichen und iterativen Ansatz und eine Methodik für eine neuartige evidenzbasierte Sicherheitsargumentation zu entwickeln, die systematisch
Unzulänglichkeiten von KI-basierten Funktionen identifiziert, messbar macht und es ermöglicht, diese zu reduzieren. Als exemplarischer Anwendungsfall wurde eine KI-basierte Funktion (Video) zur
Fußgängererkennung im urbanen Kreuzungskontext verwendet. Zu diesem Zweck wurde das Projekt in fünf Teilprojekte (TP1: KI Funktion; TP2: Generieren von synthetischen Daten; TP3: Methoden &
Maßnahmen zur Absicherung von KI; TP4: Gesamtheitliche KI-Absicherungsstrategie; TP5: Projektmanagement und Dissemination) und fünf Teilprojekt-übergreifende Prozesse (P1-P5) gegliedert,
in denen die 24 beteiligten Projektpartner und vier externe Technologieanbieter gemeinsam an der Entwicklung der Vielzahl der Projektergebnisse beteiligt waren. Zusätzlich zur Arbeit in den einzelnen TPs wurden in sechs Evidenz-Workstreams (EWS), die jeweils aus einer Arbeitsgruppe von KI-Entwicklern, KI-Testern und Sicherheitsexperten zusammengesetzt waren, Fragmente der Sicherheitsargumentation exemplarisch durch Identifizierung, Priorisierung und Anwendung geeigneter Sicherheitsmetriken, sicherheitsorientierter Testmethoden und Sicherheitsmaßnahmen zur Reduzierung möglicher DNN-spezifischer Sicherheitsbedenken und DNNUnzulänglichkeiten erarbeitet. Die Projektergebnisse mit Bosch Beteiligung und Beiträge der Robert Bosch GmbH werden im Bericht vorgestellt.
Datei-Upload durch TIBThe project KI Absicherung aimed at developing a stringent and iterative approach and methodology for a novel evidence-based safety argumentation that systematically identifies insufficiencies of AI-based functions, makes them measurable and allows to mitigate them. As an exemplary use case, a video and AI-based based pedestrian detection function was used. For this purpose, the project was structured into five sub-projects (TP1: DNN-based pedestrian detection algorithms; TP2: synthetic data generation & data analysis; TP3: DNN assurance methods & measures; TP4: Comprehensive Assurance Strategy; TP5: Project Mgmt. and Dissemination) and five cross-sub-project processes (P1-P5) in which the 24 project partners and 4 external technology providers collaboratively participated in the development of the different project deliverables. Additionally, within six evidence workstreams (EWS) each consisting of a working group of AI developers, testers and safety experts, fragments of the safety argumentation were created on an exemplary basis by identifying, prioritizing, and applying appropriate safety-aware metrics, safety-oriented test-methods and safety-measures to mitigate possible DNN-specific safety concerns and DNN-insufficiencies. Core results from the project work with Bosch participation and main contributions of Robert Bosch GmbH are explained in this report
Abschlussbericht zum Forschungsvorhaben BMUV
No full textDer vorliegende Bericht ist der Abschlussbericht zum Forschungsvorhaben „Analyse und ex-terne Validierung der AC² Modellbasis (AVAMO)“, welches durch das Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) unter dem Kenn-zeichen BMUV 1501629 gefördert und in der Arbeitsgruppe Plant Simulation and Safety (PSS) der Ruhr-Universität Bochum (RUB) bearbeitet wird. Das Ziel des Vorhabens ist die gezielte Analyse und Validierung des Programmpaket AC² und der darin enthaltenen Programmteile COCOSYS, ATHLET und ATHLET-CD zur Berechnung störfallrelevanter In- und Ex-Vessel-Phänomene. In diesem Bericht werden die wichtigsten Ergebnisse der einzelnen Arbeits-punkte dargestellt.
Im Rahmen des Arbeitspunktes AC² - COCOSYS wird der Code zum einen auf seine Eignung zur Abbildung der Verbrennung von Wasserstoff und Kohlenmonoxid untersucht. Dabei wer-den neue Korrelationen der Brenngeschwindigkeit getestet und ein Konzept für die Trennung von unverbrannter und verbrannter Atmosphäre entwickelt. Zum anderen wird die Abbildung von Phänomenen während Schmelze-Beton-Wechselwirkungen unter Berücksichtigung einer gefluteten Schmelze untersucht. Zudem wird das Aerosolverhalten im Sicherheitsbehälter mit dem neuen Modul AFP2 (vormals NEWAFP) auf Basis der Nachrechnung des Experiments PHEBUS FPT3 mit der aktuellen Code-Version überprüft und analysiert. Die Arbeiten ergän-zen die vom Codeentwickler GRS durchgeführten Validierungsarbeiten anhand des Experiments PHEBUS FPT1 (BMUV RS1579). Neben der Validierung des Moduls AFP2 wer-den Simulationen mit der GRS-Software SUSA, sowie Analysen des Unfalls in Block 3 des Kraftwerks Fukushima Daiichi durchgeführt.
Für AC² - ATHLET wird eine vertiefte Analyse der implementierten Kondensationsmodelle so-wie die Untersuchung der Eignung der Modelle in Bezug auf die Simulation von Druckstoßphänomenen in zweiphasigen Strömungsbedingungen durchgeführt. Dabei werden eine Harmonisierung der Modellbasis geprüft und Entwicklungspotential für AC² - ATHLET mithilfe von unterstützenden CFD-Simulationen abgeleitet.
Hinsichtlich der durchgeführten Arbeiten mit AC² - ATHLET-CD liegt der Fokus auf der Vali-dierung und Weiterentwicklung des Codes für die Abbildung von Kernzerstörungs-phänomenen. Dies umfasst zum einen die Abbildung der Spaltproduktfreisetzung aus Schmel-zepools im unteren Reaktorplenum. Zum anderen werden neue vorläufige Modelle und Korrelationen zur Simulation von unfalltoleranten Brennelementkonzepten weiter- bzw. neu-entwickelt und analysiert. Darüber hinaus wird der Code für die Abbildung von Schüttbetten im unteren Reaktorplenum erweitert.
Datei-Upload durch TIBThis report is the final report of the research project “Analysis and external validation of the AC² model basis (AVAMO)” funded under the grant number BMUV 1501629 by the Federal Ministry for the Environment, Nature Conservation, Nuclear Safety and Consumer Protection and performed by PSS group at RUB. The aim of the project is the detailed analysis and vali-dation of the program package AC² and the modules COCOSYS, ATHLET and ATHLET-CD contained therein for the calculation of accident-relevant in- and ex-vessel phenomena. The most important results of the separate work packages are presented in this report.
As part of the AC² - COCOSYS work package, the capability of the code for modelling the combustion of hydrogen and carbon monoxide is investigated. New correlations of the burning rate are tested and a concept for the separation of unburnt and burnt atmospheres is devel-oped. Further on, the simulation of phenomena during molten core concrete interaction is carried out considering a flooded melt. In addition, the aerosol behaviour in the containment is verified and analysed with the newly implemented AFP2 module (formerly known as NEWAFP) by the simulation of the PHEBUS FPT3 experiment with the current code version. The work complements the validation work carried out by the code developer GRS using the PHEBUS FPT1 experiment (BMUV RS1579). In addition to validating the AFP2 module, simulations will be carried out using the GRS software SUSA, and analyses of the accident in block 3 of the nuclear power plant Fukushima Daiichi are conducted.
For AC²-ATHLET, a detailed analysis of the implemented condensation models and an inves-tigation of the capability of the models regarding the simulation of water hammer phenomena in two-phase flow conditions will be carried out. A harmonisation of the model basis is exam-ined and development potential for AC² - ATHLET is derived based on accompanying CFD simulations.
Regarding the work carried out with AC²-ATHLET-CD, the focus is on the validation and further development of the code for simulating core degradation phenomena. This includes the simu-lation of fission product release from melt pools in the lower reactor plenum. Further on, new preliminary models and correlations for the simulation of accident tolerant fuel (ATF) concepts are further developed and analysed. In addition, the code will be extended for modelling debris beds in the lower reactor plenum
partnerspezifischer Schlussbericht 5G-5GKC; Verbundprojekt: 5G-gestützte autonom fahrende Einzel- oder Flottenfahrzeuge für den Einsatz als öffentliche Verkehrsmittel im ländlichen Raum
No full textDas Ziel des Vorhabens "5G-gestützte autonom fahrende Einzel- oder Flottenfahrzeuge für den Einsatz als öffentliche Verkehrsmittel im ländlichen Raum" ist es, die Forschung, Entwicklung und Erprobung von 5G für den Bereich automatisiertes und vernetztes Fahren im ländlichen Raum durchzuführen. Im Zuge dessen wurden verschiedene Ansätze und Technologien entwickelt und erprobt
- 5G Kontrollstation zur Shuttle Operation mit Überwachung der Netzwerkverbindung
- Redundante Datenübertragung über mehrere Mobilfunkkanäle mit der Möglichkeit, Mobilfunkkanäle zu wechseln und abhängig von der aktuellen Netzwerkanbindung Aktivitäten zu starten.
- Umgebungsvisualisierung mit AR/VR
- Erweiterte Umfeldwahrnehmung: Einsatz von RSUs (Road Side Units) mit Teleoperation in einem 5G-Netz
- Remote Computing: Demonstrator mit einem Bilderkennungsalgorithmus auf einem Rechner direkt am 5G-Core
- 5G Campusnetz am Valeo Standort: Aufbau und Inbetriebnahme eines eigenen 5G-Netzes initial für die Anwendungsfälle des Projekts aber langfristig auch für Forschungs- und Entwicklungszwecke.
- 5G Testfeld Evaluation: Vermessung des 5G-Campusnetzes und des lokalen öffentlichen 5G-Netzes der Telekom.
Das Projekt wurde auf diversen Veranstaltungen der interessierten Öffentlichkeit präsentiert und war auch Basis verschiedener Veröffentlichungen.
Datei-Upload durch TIBThe aim of the project ‘5G-supported autonomously driving individual or fleet vehicles for use as public transport in rural areas’ is to carry out research, development and testing of 5G for the field of automated and connected driving in rural areas. As part of this, various approaches and technologies were developed and tested
- 5G control station for shuttle operation with monitoring of the network connection
- Redundant data transmission via several mobile radio channels with the option of changing mobile radio channels and start activities depending on the current network connection
- Environment visualisation with AR/VR
- Extended environment perception: use of RSUs (road side units) with teleoperation in a 5G network
- Remote computing: Demonstrator with an image recognition algorithm on a computer directly on the 5G core
- 5G campus network at the Valeo site: Construction and commissioning of a dedicated 5G network initially for the project's use cases, but also for research and development purposes in the long term.
- 5G test field evaluation: Measurement of the 5G campus network and the local public 5G network of Telekom.
The project was presented to the interested public at various events and was also the basis for various publications
Schlussbericht zum Vorhaben: "Entwicklung der anwendungsspezifischen integrierten Schaltung (ASIC) für das Hochleistungswinkelmesssystem" im Rahmen des Eurostars Projekts: E! 114120 DeMuR System "Hochleistungswinkelmesssystem basierend auf einer dezentralisierten Mehrkopfabtastarchitektur"
No full textDatei-Upload durch TI
Abschlussbericht Teilvorhaben Lehrstuhl für Kunststoffverarbeitung der RWTH Aachen
No full textDatei-Upload durch TI
Schlussbericht
No full textDas Zuse-Institut Berlin hat im Rahmen des Verbundprojektes "Simulationsbasiertes Maschinelles Lernen für Design und optische Charakterisierung von Nanostrukturen (siMLopt)" den effizienten Aufbau von Surrogatmodellen und deren Einsatz für die optische Metrologie von Nanostrukturen untersucht. Das Projekt verfolgte zwei Hauptziele: den effizienten Aufbau von Surrogatmodellen und die Parameteridentifizierung mittels Optimierungsverfahren auf Basis dieser Modelle.
Für den effizienten Aufbau der Surrogatmodelle wurde ein algorithmischer Rahmen entwickelt, der eine adaptive Berechnung von Trainingsdaten ermöglichte. Dies führte zu einer erheblichen Reduktion des Rechenaufwands im Vergleich zu herkömmlichen Ansätzen. Zudem wurde der Aufbau der Surrogatmodelle um Gradienteninformationen erweitert, was zu einem weiteren Effizienzgewinn führte. Die geplante Übertragung auf Neuronale Netze wurde aufgrund fehlender lokaler Fehlerschätzer nicht weiterverfolgt. Stattdessen wurden Möglichkeiten zur Optimierung von Keramikzusammensetzungen erforscht. Die entwickelten Surrogatmodelle wurden erfolgreich eingesetzt, um geometrische Parameter von Nanostrukturen mittels Messdaten zu identifizieren. Dabei konnte durch den Einsatz des entwickelten Verfahrens stabilere und schnellere Rekonstruktionsresultate erzielt werden. Zusätzlich wurden Verfahren entwickelt, um Unsicherheiten in den Ergebnissen effizient zu bestimmen, die durch verschiedene Quellen von stochastischen Effekten entstehen. Die Ergebnisse des Projekts führten zur Entwicklung einer Demonstrator-Software, die die Methoden für verschiedene Anwendungsszenarien zugänglich macht. Dies ermöglicht eine deutliche Reduktion
des Aufwands für die Parameteridentifizierung in der Praxis und eröffnet neue Möglichkeiten für die Anwendung auf komplexe Probleme. Die enge Zusammenarbeit mit verschiedenen Forschungseinrichtungen wie dem Fraunhofer IISB, der FAU und dem Fraunhofer ISC trug wesentlich zum Erfolg des Projekts bei und führte zu mehreren begutachteten Veröffentlichungen sowie Promotionsvorhaben.
Datei-Upload durch TI
Abschlussbericht - GeoSenSys (Teilprojekt 5) als Forschungsvorhaben auf dem Gebiet "Gartenbau 4.0"
No full textDatei-Upload durch TI
Final Report
No full textManufacturing computer chips involves creating incredibly small and intricate patterns on silicon wafers. Ensuring the accuracy of these microscopic features is critical to the performance and reliability of the chips. Optical scatterometry, a technique that uses light scattering to measure these features, is essential for this quality control process. However, traditional scatterometry methods face challenges: iterative fitting methods are slow, while library search methods require enormous amounts of data. This project investigated the use of deep learning to overcome these limitations and significantly accelerate optical scatterometry. Deep learning, a powerful form of artificial intelligence, can learn complex relationships from data. In this project, a specific type of deep learning network called ResNet was trained using simulated optical measurements. These simulations mimic how light scatters off the microscopic features on a chip. By analyzing this scattered light, the ResNet learns to predict crucial parameters describing the features' shape and dimensions, such as their width, height, and the angles of their sidewalls. The research compared various ResNet architectures and strategies for handling the prediction process. One strategy, called UniNet, uses a single network to predict all parameters simultaneously. Another, called MonoNet, uses separate networks for each parameter, predicting them one at a time. A third approach, ExpertNet, uses a combination of networks to predict groups of related parameters. The findings showed that MonoNet offers the best performance overall, successfully decoupling the parameters and achieving high accuracy with smaller datasets. Further more, real-world measurements are always affected by noise and uncertainties. This research explicitly examined the impact of noise on the deep learning models' performance. By adding simulated noise to the training data, the researchers could assess the robustness of the different network architectures. The results provide valuable insights into developing more reliable and accurate measurement techniques, even in the presence of real-world imperfections
Partnerspezifischer Schlussbericht
No full textDas Verbundprojekt KI Datatooling wurde im Rahmen des BMWI/BMWK-Fachprogramms „Neue Fahrzeug- und Systemtechnologien“ (NFST) sowie zur KI-Strategie der Bundesregierung durchgeführt.
Das Projekt hatte das Ziel, eine systematische Methodik eines Data-Operation Workflows abzubilden, sowie einzelne innovative Methoden-Bausteine zu entwickeln, welche in der Lage sind kostengünstige und verlässliche Daten für das Training, die Validierung und Absicherung von KI basierten Funktionen bereitzustellen. Hierfür wurden Methoden und Tool-Ansätze zur Erzeugung sowie zur Aufbereitung und Selektion von entsprechenden Daten entwickelt. Die Methoden wurden in einer systematischen Workflow Architektur abgebildet, über welche die Relevanz der Methodiken zur Abdeckung der Daten- & Tooling-Anforderungen des entstehenden Standards ISO PAS 8800 bewertet werden konnten. Um die Anwendbarkeit dieser Daten und Methoden sicherzustellen, wurden sie bezüglich ihrer Eignung für das Training von KI-Algorithmen bewertet. Als weiteres Ergebnis des Projekts ist ein Datensatz mit vielfältiger Einsatzmöglichkeit entstanden.
Das Projekt KI-Datatooling adressiert damit im Kern zwei der der zwölf Handlungsfelder, welche die Bundesregierung definiert hat um die Nutzung von KI in Deutschland und Europa zu gestalten: Zum einen das Ziel die Forschung in Deutschland und Europa zu stärken um zum anderen Daten und Datenlösungen so nutzbar zu machen, dass damit die benötigte Menge („Big Data“) sowie die Verfügbarkeit (z.B. Nutzung von Synthese, Anonymisierung, Datenaufbereitung und Anreicherung) darstellbar wird und die zentrale Aufgaben der Entwicklung aber vor allem auch Absicherung dieser datengetriebenen KI-Algorithmen umgesetzt werden kann.
Datei-Upload durch TIBThe cooperative project KI Datatooling was carried out as part of the BMWI/BMWK programme "New Vehicle and System Technologies" (NFST) and the Federal Government’s AI strategy.
The aim of the project was to map a systematic methodology of a data operation workflow, as well as to develop individual innovative method modules that are able to provide cost-effective and reliable data for training and validation of AI-based functions. For this purpose, methods and tool approaches for the generation as well as for the preparation and selection of corresponding data were developed. The methods were mapped in a systematic workflow architecture, through which the relevance of the methodologies for covering the data and tooling requirements of the resulting standard ISO PAS 8800 could be evaluated. In order to ensure the applicability of these data and methods, they were evaluated with regard to their suitability for training AI algorithms. As a further result of the project, a data set with a wide range of applications has been created.
The AI data tooling project thus addresses two of the twelve fields of action that the Federal Government has defined to shape the use of AI in Germany and Europe: On the one hand, the aim is to strengthen research in Germany and Europe in order to make data and data solutions usable in such a way that the required quantity ("big data") and availability (for example, the use of synthesis, anonymization, data processing and enrichment) can be represented and the central tasks of the development but above all also the protection of these data-driven AI algorithms can be implemente