RESUM
La majoria de tècniques emprades per resoldre equacions en derivades parcials necessiten generar una malla que descrigui amb precisió la geometria del model. Tot i que la tecnologia de mallat no estructurat ha avançat de manera extraordinària i avui és possible produir malles tridimensionals amb centenars de milions d’elements en qüestió de minuts, les exigències de l’optimització de disseny moderna posen en evidència una limitació crítica. En els fluxos de treball industrials és habitual requerir milers de simulacions sota condicions operatives i configuracions geomètriques molt diverses. Generar una malla adequada per a cada cas esdevé un procés excessivament lent, en gran part per la quantitat de coneixement expert i d’intervenció manual que requereix. Com a resultat, la indústria sovint recorre a malles massa refinades i uniformes, fet que incrementa el cost computacional i amplifica la petjada de carboni associada a l’ús intensiu d’HPC.
Aquesta xerrada presentarà un nou marc de treball basat en IA per predir malles gairebé òptimes adaptades a cada simulació. L’enfocament aprofita la gran quantitat de dades ja disponibles a la indústria per inferir funcions d’espaiat isotròpiques i anisotròpiques adequades, transferint de manera efectiva el coneixement d’anàlisis anteriors per guiar el procés de generació de malles. En integrar la IA en aquesta fase clau del flux de treball, la metodologia aspira a oferir una precisió comparable a la de les malles creades per experts, reduint alhora la necessitat d’ajustos manuals, augmentant l’automatització i disminuint el consum energètic.
PONENT
Rubén Sevilla és Professor d’Enginyeria Computacional al Zienkiewicz Institute for Modelling, Data and AI de la Swansea University (Regne Unit). Va obtenir el seu doctorat en Matemàtiques Aplicades a la Universitat Politècnica de Catalunya (Espanya) l’any 2009. El seu treball sobre mètodes d’elements finits millorats amb NURBS, desenvolupat conjuntament amb el Prof. Antonio Huerta i la Prof. Sonia Fernández-Méndez, va rebre diversos reconeixements, entre els quals el premi a la Millor Tesi Doctoral d’ECCOMAS.
La seva recerca se centra en l’avenç de l’enginyeria computacional mitjançant mètodes numèrics d’alt ordre, tècniques robustes de generació de malles i una representació geomètrica precisa. Ha contribuït al desenvolupament de malles corbes i sensibles a la geometria CAD, que permeten simulacions acurades en dominis complexos sense necessitat de simplificacions dependents de la física. Més recentment, ha impulsat enfocaments basats en aprenentatge automàtic per accelerar la generació i adaptació de malles, millorant l’automatització en els processos de simulació CFD. En conjunt, la seva recerca busca crear eines fiables, eficients i fidels a la geometria que impulsin el disseny i l’anàlisi d’enginyeria de nova generació.
En Rubén combina la seva passió per la recerca amb un ferm compromís amb la formació de les noves generacions d’enginyers computacionals, a més de contribuir activament a la comunitat a través de la seva participació a UKACM, ECCOMAS i IACM.