Master Thesis Reliability Analysis and Uncertainty Quantification Using Generative AI for Battery Diagnosis within Automotive Onboard Power Supply Systems
Aufgaben
With the emerging technologies like autonomous driving and x-by-wire systems, the vehicle's onboard power supply system, also known as the powernet, is subject to stringent safety requirements. Failure of the powernet leads immediately to the loss of all the safety-related functions such as braking, steering, autonomous driving features, etc. Among all the powernet components, special attention shall be paid on batteries due to their complex electrochemical nature. Accurate battery diagnosis is essential to predict the performance of batteries. Safety validation is, therefore, required to guarantee that the prediction deviations is acceptably low under all real-world conditions. To ensure the robustness of battery diagnosis under real-world conditions, uncertainty quantification (UQ) is necessary to assess the prediction deviations. This thesis aims to develop a probabilistic surrogate model using generative AI models (e.g., Conditional Generative Adversarial Networks (cGAN), Conditional Normalizing Flows (cNF) to quantify and distinguish different sources of uncertainty. Additionally, the study will explore strategies to estimate failure probabilities with a limited amount of data while maintaining high accuracy. The research questions are: how to quantify and separate epistemic and aleatory uncertainties, which generative AI models are best suited for capturing aleatory uncertainties, how to evaluate and calibrate the reliability of the predicted uncertainty, how does the amount of available data impact the accuracy of uncertainty quantification, how to estimate failure probability effectively with a small data set.
- As part of your Master thesis, you will conduct an extensive review of the state-of-the-art methodologies for uncertainty quantification (UQ) based on generative AI.
- You will prepare synthetic data for study.
- Furthermore, you will implement and compare different UQ models in terms of their ability to accurately capture predictive uncertainty and to distinguish between epistemic and aleatory uncertainty.
- In addition, you will improve the prediction interval calibration to ensure a robust and reliable uncertainty estimate.
- Last but not least, you will develop an approach to estimate the probability of battery diagnostic failure with minimal data using probabilistic surrogate models.
Profil - Education: Master studies in any field
- Experience and Knowledge: background in Machine Learning, Deep Learning, Reliability or Uncertainty quantification, etc.; experience with PyTorch and deep generative models (cGANs, cNF, etc.); knowledge of battery diagnostics or battery systems is a plus
- Personality and Working Practice: you are a self-motivated and proactive person who is able to work independently
- Languages: very good communication skills in written and spoken German or English
- Education: Master studies in any field
- Experience and Knowledge: background in Machine Learning, Deep Learning, Reliability or Uncertainty quantification, etc.; experience with PyTorch and deep generative models (cGANs, cNF, etc.); knowledge of battery diagnostics or battery systems is a plus
- Personality and Working Practice: you are a self-motivated and proactive person who is able to work independently
- Languages: very good communication skills in written and spoken German or English
Kontakt & Wissenswertes
Start: according to prior agreement
Duration: 3 - 6 months
Requirement for this thesis is the enrollment at university. Please attach your CV, transcript of records, examination regulations and if indicated a valid work and residence permit.
Diversity and inclusion are not just trends for us but are firmly anchored in our corporate culture. Therefore, we welcome all applications, regardless of gender, age, disability, religion, ethnic origin or sexual identity.
Need further information about the job?
Zhiyi Xu (Functional Department)
+49 711 811 92252
#LI-DNI
Einblicke in unsere Arbeitswelt
Wir stellen Videos über YouTube bereit. Die Anzeige des Videos setzt Ihre Zustimmung voraus. Wenn Sie zustimmen, werden Daten an YouTube übertragen, Cookies verwendet und Kontakt zu dem Google DoubleClick-Werbenetzwerk aufgenommen. Dies kann weitere Datenverarbeitungsvorgänge auslösen. Es kann nicht ausgeschlossen werden, dass dabei auch Daten in Länder außerhalb des Europäischen Wirtschaftsraums übermittelt werden.
Willkommen in Stuttgart-Weilimdorf
An unserem Standort in Stuttgart-Weilimdorf arbeiten wir an übergreifenden, softwareintensiven Systemen für zukünftige Fahrzeugarchitekturen und Komponenten der Fahrzeugelektrik und -elektronik. Zum Produktportfolio des Geschäftsbereichs zählen, neben Komponenten wie Umfeldsensoren und Fahrzeugcomputer, auch Fahrerassistenz- und Innenraumbeobachtungssysteme sowie Systeme für das automatisierte Fahren und Parken.
Bei Bosch Sicherheitssysteme arbeiten wir zusammen mit unseren Kunden und Partnern an verschiedenen Produkten wie Videosicherheits-, Einbruchmelde-, Brandmelde- und Sprachalarmsysteme sowie Zutrittskontrolle und Managementsysteme. Professionelle Audio- und Konferenzsysteme zur Übertragung von Stimme, Ton und Musik runden das Angebot ab.
Darüber hinaus arbeiten unsere Mitarbeitenden des Geschäftsbereiches Automotive Electronics, von der AIG Planungs- und Ingenieurgesellschaft mbH und der Robert Bosch Venture Capital GmbH in Stuttgart-Weilimdorf.
Unsere Standort-Vorteile
Urbane Umgebung
Flexibles und mobiles Arbeiten
Gleitzeit und moderne Arbeitszeitmodelle von Teilzeit bis zu Jobsharing, Home-Office und eingearbeitete freie Fenstertage
Freiräume für kreatives Arbeiten
Umfangreiches Schulungsangebot der Bosch Learning Company, Coaching und Mentoring, Bildungsteilzeit/Bildungskarenz sowie ein strukturiertes und unterstützendes Einarbeitungsprogramm
Kostenfreie Parkmöglichkeiten
Gestütze Parkgarage am Standort, kostenfreie Fahrrad-Parkplätze im Hof, gesicherter Fahrradabstellplatz zu mieten
Gute Anbindung an öffentliche Verkehrsmittel
Gute Anbindung an öffentliche Verkehrsmittel, Dienstrad Leasing, die Wahl zwischen einem kostenlosen Öffi-Ticket für die Kernzone Wien, einem gestützten Klimaticket oder einem Mitarbeitenden-Parkplatz
Sozialberatung und Vermittlungsservice für Pflegedienstleistungen
Vergünstigungen für Mitarbeiter
Vergünstigte Einkaufskonditionen bei uns und unseren Partnerunternehmen, gestützte Kultur- und Freizeitveranstaltungen
Vermittlungsservice für Kinderbetreuungsangebote
Breites Angebot an Gesundheits- und Sportaktivitäten
Verpflegungsmöglichkeiten vor Ort
Gesunde und schmackhafte Verpflegung zu gestützten Preisen in unserem Betriebsrestaurant und in der Cafeteria, kostenloser Kaffee in unseren Kaffeeküchen
