Akademischer Werdegang

Studium, Promotion, Postdoc, Lehre

2008 - 2014

• TU Dresden, Angewandte Mechanik
• 2012/2013 Universidad de Salamanca
• Spezialisierung auf Strömungsmechanik

Diplom: Konzept zur Ermittlung optimaler Wärmeübertrager für Hochleistungswärmerohre zur Außenluftaufbereitung; Institut für Luft- und Kältetechnik gGmbH

2014 - 2020

• TU Darmstadt, Math. Modellierung & Analysis
• Modellierung chem. Grenzschichten
• Datenbasierte Subgridskalenmodelle

Promotion: Modelling and simulation of convection-dominated species transfer at rising bubbles; betreut von Prof. Dieter Bothe

2020 - 2023

• TU Braunschweig, Strömungsmechanik
• Untersuchung transonischer Buffets
• Entwicklung modaler Analyseverfahren

flowTorch - a Python library for analysis and reduced-order modelling of fluid flows; github.com/AndreWeiner/flowtorch

seit 2023

• TU Dresden, Strömungsmechanik
• ML in der Strömungsmechanik
• ML-CFD-Kopplung, Bayes'sche Opt.

github.com/OFDataCommittee/openfoam-smartsim

Lehre

• ML in Fluid Mechanics, 5 x 5CP
• Turbulence Modelling, 1 x 5CP
• Comput. Fluid Dynamics, 2 x 5CP

insgesamt 40CP (einschl. WS25/26)

github.com/AndreWeiner/ml-cfd-lecture

Sonstiges

• OpenFOAM-ML Hackathon (seit 2022)
• flowTorch Workshops (seit 2022)
• OpenFOAM Journal Advisory Board
• Open-Source Advocate
• Reproduzierbare Wissenschaft

Habilitationsprojekt

Strömungsregelung durch modellbasiertes bestärkendes Lernen

Bestärkendes Lernen: fortlaufende Entscheidungsfindung unter Unsicherheit

Benchmark, $Re=100$

Optimales Regelgesetz

Rechenbeispiel DrivAer Modell

• $5$ Stunden/Sim. (1000 MPI Ranks)
• $10$ parallele Simulationen
• $100$ Iter. $\rightarrow 20$ Tage Rechenzeit
• $20\times 24\times 10\times 1000 \approx 5\times 10^6 $ CPUh
• $0.01-0.05$ EUR/CPUh $\rightarrow 0.5-2$ mEUR

CFD Simulationen sind teuer!

Normalisierte Trainingszeit für modellbasiertes Lernen

Zeitplan

• kummulative Anfertigung
• 3/5 Publikationen vollständig
• Fertigstellung bis Ende 2026