Recerca
Enginyeria computacional per un mĆ³n sostenible.
Descobreix els nostres projectes de recerca
InnovaciĆ³
Solucions reals per a problemes globals.
Treballem amb simulaciĆ³ avanƧada per millorar la seguretat nuclear
Comunitat
Una xarxa global d’innovadors i emprenedors en mĆØtodes numĆØrics.
Descobreix com la CĆ tedra UNESCO de MĆØtodes NumĆØrics lidera la innovaciĆ³ de frontera al Sud Global
Sobre Nosaltres
Des del 1987 som un centre de recerca i innovaciĆ³ pioner en enginyeria computacional.
Coneix el talent que ho fa possible.
Recerca
Descobreix els nostres projectes de recerca
InnovaciĆ³
Treballem amb simulaciĆ³ avanƧada per millorar la seguretat nuclear
Comunitat
Descobreix com la CĆ tedra UNESCO de MĆØtodes NumĆØrics lidera la innovaciĆ³ de frontera al Sud Global
Sobre Nosaltres
Coneix el talent que ho fa possible.
Amb nou clĆŗsters de recerca, tres unitats dāinnovaciĆ³ i una xarxa global arrelada al territori, la comunitat del CIMNE impulsa un progrĆ©s constant. MantĆ©n-te al dia dels avenƧos cientĆfics, dels projectes internacionals i de les novetats corporatives que estan definint el futur de lāenginyeria.
Experts de l'Aula CIMNE-UPM ETSII han avaluat lāeficĆ cia de lāaprenentatge automĆ tic (Machine Learning, ML) i de la imatgeria per satĆØlĀ·lit per avaluar la qualitat de lāaigua en entorns dāaigĆ¼es interiors. En un estudi recent, la Laura CĆ”ceres, el Dr. Jorge RodrĆguez...
El Centre Internacional de MĆØtodes NumĆØrics en Enginyeria (CIMNE) ha engegat DAMSHAI (Dam Structural Health Monitoring and Safety Assessment with an AI Agent), un projecte de recerca de tres anys que explorarĆ lāaplicaciĆ³ de la intelĀ·ligĆØncia artificial a lāavaluaciĆ³...
Researchers at CIMNE's Machine Learning in Civil Engineering Research Group and the Flumen Institute have developed a new machine-learning based tool to classify off-stream reservoirs based on their potential risk of rupture. The work, carried out as part of the...
Researchers from the Machine Learning in Civil Engineering group at CIMNE have developed a new machine-learning based software to predict structural behaviour of dams, allowing for enhanced decision-making and minimizing safety risks of these critical infrastructures....
A group of researchers from the International Centre of Numerical Methods in Engineering (CIMNE) have proposed a new methodology for improving Machine Learning-based model forecasting of gound-level ozone (O3), a pollutant of photochemical origin that...
A publication co-authored by CIMNE researcher Fernando Salazar “CALA: Mejora de la seguridad hidrológica” (CALA: Improvement of the Hydrologic security) on the magazine Revista de Obras Públicas. The article explains the results of a...