![](/fileadmin/_processed_/9/3/csm_faust_erik_0a3fba789a.jpg)
Wissenschaftlicher Mitarbeiter
M.Sc. Erik Faust
RPTU Kaiserslautern-Landau
Postfach 3049
D-67653 Kaiserslautern
Tel.:+49 (0) 631 205 2127
Fax:+49 (0) 631 205 2128
Gebäude 44, Raum 436
e-mail: erik.faust(at)mv.rptu.de
Forschungsthema
Ich arbeite mit Methoden aus dem Feld des Manifold Learning an der nichtlinearen, Physik-basierten Modellreduktion statischer mechanischer Systeme. Besonders interessant an diesen Methoden ist, dass sie mit relativ geringen Datenmengen signifikante Rechenbeschleunigungen ermöglichen, ohne dass dabei allzu viel an Rechengenauigkeit verloren wird. Damit werden rechenintensive Aufgabenstellungen z.B. in der Mehrskalenmodellierung, der Optimierung, und in der Quantifizierung von Unsicherheiten zunehmend machbar.
Veröffentlichungen, Vorträge und Poster
Veröffentlichungen
Sortiere nach: Autor, Jahr, Titel
- Dirichlet and Neumann boundary conditions in a lattice Boltzmann method for elastodynamics.
Computational Mechanics, S. 1 - 23. (2023) - Modelling transient stresses in dynamically loaded elastic solids using the Lattice Boltzmann Method.
PAMM, Vol. 23, Nr. 1, S. 202200163. (2023) - Configurational forces in a phase field model for the cyclic fatigue of heterogeneous materials.
Forces in Mechanics, S. 100239. (2023) - On dynamic crack propagation in a lattice Boltzmann method for elastodynamics in 2D.
PAMM, S. 202300230. (2023)
Studentische Arbeiten
Ich betreue sehr gerne studentische Arbeiten im Bereich der Finite Elemente Modellierung (FEM) und der Modellreduktion. Im Bereich der FEM habe ich immer implementiererische Arbeiten in Python oder Julia anzubieten (z.B. zur Implementierung neuer Materialmodelle oder zur Erweiterung des bestehenden Codes auf weitere Problemstellungen). Ich freue mich auch sehr über Interesse an Arbeiten zur Modellreduktion. Mögliche studentische Arbeiten könnten sich z.B. mit der Implementierung und der Auswertung verschiedener Manifold Learning Methoden beschäftigen.
Als Voraussetzung für studentische Arbeiten im Bereich der FEM sind erste Erfahrungen mit der FEM (z.B. durch die FE-Vorlesung) empfehlenswert. Bei Arbeiten an der Modellreduktion ist ein gutes mathematisches Verständnis (insbesondere zur linearen Algebra) sehr hilfreich. Erste Erfahrungen in Python oder Julia sind gerne gesehen.
Falls Interesse an studentischen Arbeiten zu den obigen Themen besteht, freue ich mich über Emails!
Betreute Lehrveranstaltungen
WS 23/24 | Elemente der Technischen Mechanik 1 |
SS 23 | Elemente der Technischen Mechanik 2 |
WS 22/23 | Mechanik elastischer Strukturen |
SS 22 | Elemente der Technischen Mechanik 2 |
SS 22 | Labor Spannungsoptik |
Werdegang
Seit 03/2022 | Wissenschaftlicher Mitarbeiter am Lehrstuhl für Technische Mechanik (LTM), RPTU Kaiserslautern-Landau |
Bis 03/2022 | Masterstudium Computational Engineering, Technische Universität Kaiserslautern |
10/2018 - 08/2021 | Werkstudent und Praktikant Simulation und Vorentwicklung, BorgWarner Drivetrain Engineering GmbH, Ketsch |