Beräkningsmatematik

​Vi forskar och undervisar om design, analys, implementation och tillämpning av numeriska lösningsmetoder för ordinära och partiella differentialekvationer. Speciellt studerar vi adaptiva finita elementmetoder, stokastiska partiella differentialekvationer, transportekvationer, geometrisk integration, multiskalproblem och tillämpningar inom medicinsk bildregistrering, inversa problem, matematisk fysik, design, arkitektur, konstruktion, fibernätverk, kompositmaterial och virtuell/förstärkt verklighet (VR/AR). Vi forskar även om matematik för artificiell intelligens, speciellt användning av djupinlärning för numeriska beräkningar. 

Vi är aktiva inom Chalmers styrkeområden, speciellt inom Digital Twin Cities och Informations- och kommunikationsteknik.

Seminarium

Vi organiserar CAM-seminariet som hålls på onsdagar kl 14.15-15.00 i rum MVL14.

Forskare och lärare

​Fakultet
Joakim Becker ​Finita elementmetoder för partiella differentialekvationer
Larisa Beilina Inversa problem, adaptiva finita elementmetoder, högprestandaberäkningar, tillämpningar
Katarina Blom ​Linjär algebra
​David Cohen ​Numerisk analys av (stokastiska) differentialekvationer, speciellt geometrisk numerisk integrering
Annika Lang ​Stokastiska partiella differentialekvationer, slumpmässiga fält, stokastisk simulering
Stig Larsson Finita elementmetoder, deterministiska och stokastiska partiella differentialekvationer​ ​
Anders Logg ​Finita elementmetoder, adaptivitet, högprestandaberäkningar, tillämpningar ​
​Klas Modin ​Geometrisk integration
​Axel Målqvist ​Finita elementmetoder, multiskalmetoder​
​Irina Pettersson ​Asymptotisk analys och homogeniseringsteori
Axel Ringh Beräkningsmässig optimal transport​
​Emeriti
Mohammad Asadzadeh ​Finita elementmetoder, partiella differentialekvationer
Ivar Gustafsson ​Iterativa metoder för linjära system, parallella beräkningar
​​Göran Starius ​Differentialekvationer
Vidar Thomée ​Numerisk analys av evolutionsproblem
​​Postdocs och forskare
​​Adam Andersson ​Maskininlärning
​Fredrik Hellman ​Multiskalproblem
​Vasilis Naserentin ​Digital twin cities
​Mike Pereira ​Maskininlärning för trafikflödesproblem
​​Doktorander
Kasper Bågmark ​Maskininlärning
Morgan Görtz ​FCC, multiskalsimulering av papper
Erik Jansson ​Maskininlärning
Per Ljung ​FEM för multiskalproblem
Ioanna Motschan-Armen ​Approximering av slumpmässiga fält
Malin Nilsson ​FEM för multiskalproblem

  

Projekt

FEniCS

FEniCS logotypFEniCS är en världsledande öppen beräkningsplattform för lösning av partiella differentialekvationer i Python och C++. FEniCS grundades i samarbete mellan Chalmers och University of Chicago 2003 och har sedan dess nått mycket stor spridning runtom i världen.
 

Sidansvarig Publicerad: fr 17 sep 2021.