Neuer Preprint zu Fourier-basierten neuronalen Operatoren für die Simulation von Formfüllprozessen
Der Lehrstuhl für Gießereitechnik stellt einen neuen Preprint vor: „Fourier Neural Operators for Two-Phase, 2D Mold-Filling Problems Related to Metal Casting“. Darin zeigen wir, wie sich Formfüllprozesse mithilfe Fourier-basierter neuronaler Operatoren äußerst schnell und zugleich präzise vorhersagen lassen. Das datengetriebene Modell erreicht Fehler um etwa 5 % und ist zwei bis drei Größenordnungen schneller als klassische CFD-Simulationen. Damit lässt es sich hervorragend in die fortlaufende Auslegung und Optimierung von Formfüllvorgängen integrieren. Das Verfahren ist nicht auf den Metallguss beschränkt. Es lässt sich grundsätzlich auf vielfältige Füllprobleme mit komplexen Mehrphasenströmungen übertragen und ermöglicht schnelle Variantenstudien ohne vollständige CFD-Berechnungen. Der Preprint ist frei zugänglich unter diesem Link: https://arxiv.org/abs/2510.25697.