Wasserstoff ist ein vielfältig einsetzbarer Energieträger und kann einen essenziellen Beitrag zur zukünftigen sauberen, sicheren und bezahlbaren Energieversorgung leisten. Ein wichtiger Sicherheitsaspekt von Wasserstoff ist die chemische Reaktion mit Sauerstoff, welche sogar zur Detonation führen könnte. Die zuverlässige Vorhersage der Konzentration des Wasserstoffs im Gasgemisch ist daher für die Sicherheit unerlässlich.

Ausbreitung von Wasserstoff in einem großen Raum wird meistens durch turbulente Naturkonvektion getrieben. Das CFD (Computational Fluid Dynamics) Verfahren ist ein gängiges Verfahren, um die Strömung und damit die lokale Konzentration des Wasserstoffs zu beschreiben. Die wesentlichen Herausforderungen der konventionellen CFD-Simulation liegen im großen Rechenaufwand und in der zuverlässigen Modellierung der Turbulenz.

Ein möglicher Ausweg ist der Einsatz des Grobmaschen-CFD (coarse grid CFD) Verfahrens, das den Rechenaufwand drastisch reduziert und eine ausreichende Genauigkeit gewährleistet. Im Rahmen eines am IATF laufenden Forschungsprojekts wird ein Grobmaschen-CFD Modell für die turbulente Naturkonvektion entwickelt. Die erforderlichen Turbulenzparameter werden mit Hilfe von Machine Learning (ML)-Methoden modelliert. Ihre Aufgaben bestehen dabei aus:

• Aufbau und Validierung eines (konventionellen) Feinmaschen-CFD Modells;
• Generierung einer umfangreichen numerischen Datenbasis;
• Modellierung von Turbulenzparametern mit Hilfe der ML-Methode;
• Entwicklung eines Grobmaschen-CFD Modells mit den neuen Turbulenzmodellen;
• Anwendung des Grobmaschen-CFD-Modells auf die Wasserstoffausbreitung.

Sie verfügen über

• Eine abgeschlossene Hochschulbildung (Master) in Ingenieurwesen oder Physik;
• Gute Kenntnisse von Strömungsmechanik und Wärmeübertragung ist von Vorteil;
• Sehr gute Deutschkenntnisse;
• Selbständige Durchführung von Forschungsaufgaben;
• Interesse an der Lehre, Betreuung von studentischen Arbeiten