Gesorteerd op categorie:

Machine Learning

Op ons jubileumsymposium op 9 april in Delft gaan we in op de grote veranderingen in ons vakgebied. In deze blog geven we alvast een voorproefje.

Veel van onze klanten werken aan software voor het simuleren of voorspellen van natuurlijke processen zoals waterstromen en de processen in industriële installaties. Gezien de stormachtige ontwikkelingen op het gebied van AI komt al snel de vraag op of dat ook bruikbaar is voor dit soort berekeningen met een fysische achtergrond. Het antwoord is: ja, maar…

Zware numerieke simulaties kunnen worden versneld door met machine learning zogeheten surrogaat modellen te trainen. Daarmee kunnen ingewikkelde modellen benaderd worden met aanzienlijk lagere rekentijden. Dat maakt het mogelijk om het model te gebruiken in een online sturing (model-in-the-loop). Ook ontstaan daarmee mogelijkheden voor uitgebreidere parameterstudies en interactief gebruik.

Machine learning-projecten draaien niet alleen om het ontwikkelen van modellen. Net zo belangrijk zijn de infrastructuur en de ondersteunende tools die ervoor zorgen dat experimenten herhaalbaar zijn, data goed beheerd wordt en resultaten betrouwbaar te reproduceren zijn. Op basis van onze ervaring raden wij TensorFlow aan als framework, het gebruik van experiment tracking doormiddel van MLflow en het goed beheren van data met DVC (Data Version Control).

Kunnen we stedelijke overstromingen betrouwbaar voorspellen en managen met een machine learning model? Die vraag werd gesteld bij Deltares, het kennisinstituut voor water en ondergrond. De eerste onderzoeken waren veelbelovend. VORtech maakte graag gebruik van de mogelijkheid om dit een stap verder te brengen in samenwerking met Deltares en de Technische Universiteit Delft. Dat was voor VORtech een mooie manier om haar expertise in machine learning voor modellen met een fysische achtergrond verder uit te bouwen.

Als je wilt weten welke rol machine learning gaat spelen bij het ontwikkelen van rekensoftware, dan is de groep van professor Rob van Nieuwpoort bij het LIACS in Leiden een goed startpunt. Daar wordt gewerkt aan het genereren van efficiënte code voor speciale hardware en aan foundation models voor technische toepassingen. In dit interview vertelt professor Van Nieuwpoort over het onderzoek in zijn groep.

Hoewel er nog genoeg twijfels zijn over de echte impact van AI, is er één sector waarin het effect niet meer te ontkennen is: softwareontwikkeling. VORtech is snel met de nieuwe AI-mogelijkheden aan de slag gegaan. Maar wel met de nodige waarborgen want er zijn wel degelijk risico’s.

De komst van ChatGPT heeft iedereen ervan bewust gemaakt dat machine learning de manier waarop we leven en werken fundamenteel zal veranderen. Ook op het gebied van voorspellingen en simulatie zal hierdoor het nodige veranderen: er ontstaan spannende en interessante nieuwe mogelijkheden. In deze blog verkennen we het potentieel van machine learning voor voorspellingen en simulatie.

Hoe kun je data uit machines en machine learning gebruiken om processen te optimaliseren? En hoe pak je zoiets aan? Dit whitepaper biedt een compleet stappenplan met aandachtspunten.

Het zijn opwindende tijden voor de techniek rondom modelberekeningen. Er is een enorme behoefte aan betere en snellere modellen. In het bedrijfsleven zijn die nodig voor digitalisering en daarbuiten voor de grote vraagstukken van onze tijd zoals klimaatverandering, de energietransitie en het bestrijden van de Corona-pandemie.