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 och tillämpningar inom medicinsk bildregistrering, inversa problem, matematisk fysik, design, arkitektur, konstruktion 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 |
|
|---|
| Mohammad Asadzadeh |
Finita elementmetoder, partiella differentialekvationer |
| 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 |
| Irina Pettersson |
Asymptotisk analys och homogeniseringsteori |
| |
|
| Emeriti |
|
| 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 |
|
| Morgan Görtz |
FCC, multiskalsimulering av papper |
| Per Ljung |
FEM för multiskalproblem |
| Carl Lundholm |
Analys och tillämpningar av finita elementmetoder på överlappande nät |
| Malin Nilsson |
FEM för mulltiskalproblem |
| Andreas Petersson |
Stokastiska partiella differentialekvationer |
| Milo Viviani |
Geometrisk integration |
| Filip Wikman |
Maskininlärning för stokastiska partiella differentialekvationer |
Projekt
FEniCS
FEniCS 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.