Tarik Sahin M.Sc.

Tarik Sahin M.Sc.

Werdegang

seit 02/2021	Wissentschaftlicher Mitarbeiter, Institut für Mathematik und Computergestützte Simulationen, Universität der Bundeswehr München
10/2017-06/2020	Master of Science,  Computational Engineering Masterarbeit: Tetrahedral Mesh Refinement, eine Zusammenarbeit von MTU Aero Engines und dem Institut für Statik und Dynamik an der Ruhr-Universität Bochum
09/2018-10/2019	Wissenschaftliche Hilfskraft, Institut für Stahl-, Leicht- und Verbundbau, Ruhr Universität Bochum
05/2018-10/2019	Wissenschaftliche Hilfskraft, Institut für Statik und Dynamik, Ruhr Universität Bochum
10/2012-06/2017	Bachelor of Science, Luft- und Raumfahrttechnik, Middle East Technical University Bachelorarbeit: Design, Analyse und Produktion eines senkrecht startenden und landenden Flugzeugs

---

Forschungsschwerpunkt

• Hybrid Digital Twins
• Physics-Informed Neural Networks (PINNs) for solving computational mechanics problems
• Combination of classical simulation methods with Machine Learning and Deep Learning (Data-driven simulations)
• Numerical methods, solvers, optimization

 

Use case 1: Hertz contact problem FEM vs PINNs

Use case 2: Prediction of beam deflection via PINNs with a wall scenario. 

---

Preprints and Articles Submitted for Publication

1. Sahin, T., von Danwitz, M., Popp, A.: Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks, Preprint, submitted for publication, arXiv 

---

Conference Proceedings and Book Contributions (with Peer-Review)

1. von Danwitz M, Kochmann T, Sahin T, Wimmer J, Braml T, Popp A (2023): Hybrid Digital Twins: A Proof of Concept for Reinforced Concrete Beams. Proceedings in Applied Mathematics and Mechanics, 22(1): e202200146, DOI (Open Access) 
2. Milani, R., Sahin, T., von Danwitz, M., Moll, M., Popp, A., Pickl, S. (2023). Automatic concrete bridge crack detection from strain measurements: A preliminary study. In: Critical Information Infrastructures Security. CRITIS 2022. Lecture Notes in Computer Science, vol 13723, Hämmerli, B., Helmbrecht, U., Hommel, W., Kunczik, L., Pickl, S. (Eds) . Springer, Cham, Germany, DOI (Open Access) 

---

International Conference Contributions with Abstract

• Sahin, T., von Danwitz, M., Popp A.: Physics-Informed Neural Networks for Solid and Contact Mechanics, 92nd Annual Meeting of the International Association of Applied Mathematics and Mechanics, Aachen, Germany, August 15 - 19, 2022
• Sahin, T., Popp A.: Simulation-assisted deep learning approach for predicting the real contact area and the contact pressure, Mechanistic Machine Learning and Digital Twins for Computational Science, Engineering & Technology (MMLDT-CSET), San Diego, California, September 26 - 29, 2021

Teaching

Courses & Exercises

Modeling of Uncertainties and Data (FT 2021) Programming & Statistics (HT 2021, WT 2022)

Supervised Student Projects / Theses

Simulationsgestützte Machine Learning-Ansätze zur Vorhersage der maximalen Durchbiegung eines Trägers (2021) Implementierung von Physik-Informierten Neuronalen Netzen in der Elastizitätstheorie unter Verwendung 2D-Rechengebieten (2022) Optimierung der Hyperparameter für Physik-informierte Neuronale Netze (2023)