elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Barrierefreiheit | Kontakt | English
Schriftgröße: [-] Text [+]

Software-Defined Spacecraft Design Driven by Geometrical Deep Learning

Rosauer, Philipp und Hoppe, Fabian (2025) Software-Defined Spacecraft Design Driven by Geometrical Deep Learning. AI STAR Symposium - Artificial Intelligence Symposium on Theory, Application, and Research 2025, 2025-03-03 - 2025-03-05, Darmstadt, Deutschland.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.


elib-URL des Eintrags:https://elib.dlr.de/220597/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Software-Defined Spacecraft Design Driven by Geometrical Deep Learning
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Rosauer, PhilippPhilipp.Rosauer (at) dlr.dehttps://orcid.org/0000-0001-9984-3013NICHT SPEZIFIZIERT
Hoppe, Fabianfabian.hoppe (at) dlr.dehttps://orcid.org/0000-0002-4501-6829NICHT SPEZIFIZIERT
Datum:5 Dezember 2025
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Software-defined Aerospace, Design, Simulation, AI, Machine Learning
Veranstaltungstitel:AI STAR Symposium - Artificial Intelligence Symposium on Theory, Application, and Research 2025
Veranstaltungsort:Darmstadt, Deutschland
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:3 März 2025
Veranstaltungsende:5 März 2025
Veranstalter :European Space Agency
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Synergieprojekt | TIARA | Trustworthy Physics-informed AI for Aerospace and Transportation, R - Synergieprojekt Advanced Technologies for High Energetic Atmospheric Flight of Launcher Stages, R - 3D-LoCoS - 3D Printing for Low Cost Space Components, R - Adaptive and Resilient Control for Advanced Rocket Engines, R - Synergieprojekt Physics InSpired AI [SY], R - Synergieprojekt Physics InSpired AI [RP]
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Softwaretechnologie
Institut für Softwaretechnologie > High-Performance Computing
Hinterlegt von: Rosauer, Philipp
Hinterlegt am:10 Dez 2025 13:45
Letzte Änderung:10 Dez 2025 13:45

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
OpenAIRE Validator logo electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.