De leider van de groep Scientific Computing: Benjamin Sanderse
Scientific Computing
De Scientific Computing (SC) groep onderzoekt en ontwikkelt wiskundige methoden waarmee je reële situaties met inherente onzekerheden kunt simuleren en voorspellen, gericht op toepassingen op het gebied van klimaat en energie.
Deel deze pagina
De Scientific Computing groep van CWI ontwikkelt efficiënte wiskundige methoden om realistische fenomenen met inherente onzekerheden te simuleren en te voorspellen. Dergelijke onzekerheden ontstaan bijvoorbeeld door onzekere modelparameters, chaotische dynamica of intrinsieke willekeurigheid, en kunnen een grote invloed hebben op modeloutputs en voorspellingen. Ons werk is met name gericht op toepassingen op het gebied van klimaat, energie en financiën. In deze cruciale sectoren is het van het grootste belang om onzekerheden en hun invloed op modelvoorspellingen te kunnen beoordelen. De expertise van de SC-groep omvat onzekerheidsquantificatie, reduced order modeling, data-assimilatie en stochastische multischaalmodellering.
De beschikbaarheid van data om simulaties en voorspellingen te onderbouwen en te verbeteren, bijvoorbeeld door middel van learning en datagestuurde modellering, speelt een belangrijke rol in ons onderzoek. Recent heeft de groep voet aan de grond gekregen in het opkomende gebied van wetenschappelijke machine learning, waarin kennis van computationele fysica wordt gecombineerd met machine learning-algoritmen.
De SC-groep organiseert het seminar over Machine Learning en Uncertainty Quantification in Scientific Computing. (Engelstalige pagina)
Evenementen
-
BeginEind
-
BeginEindThis Autumn School 2025 is part of the Research Semester Programme "Bridging Numerical Analysis and Scientific Machine Learning: Advances and Applications." Over the course of five days, five lecturers will provide preparatory PhD-level instruction through a combination of lectures and interactive sessions.
-
BeginEindThis workshop is part of the Research Semester Programme ”Bridging Numerical Analysis and Scientific Machine Learning: Advances and Applications”. The workshop will facilitate open discussion between researchers across different fields together with industrial practitioners.
-
BeginEind
-
BeginEind
Publications
All publicationsCourses
-
Uncertainty Quantification(1 september 2023 - 9 oktober 2023)
Lopende projecten met externe financiering
- Entropy-consistent learning: harnessing the power of generative AI for realistic physics simulations (None)
- Learning small closure models for large multiscale problems. (None)
- Robust numerical modelling for transient multiphase CO2 transport (SHELL)
- Unravelling Neural Networks with Structure-Preserving Computing (Unravelling Neural Networks)
- Discretize first, reduce next: a new paradigm to closure for fluid flow simulation (Vidi Sanderse)
