{"id":250350,"date":"2025-10-30T14:02:21","date_gmt":"2025-10-30T13:02:21","guid":{"rendered":"https:\/\/cimne.com\/models-dordre-reduit-i-tecniques-daprenentatge-automatic-per-a-aplicacions-amb-bessons-digitals\/"},"modified":"2025-10-30T14:14:40","modified_gmt":"2025-10-30T13:14:40","slug":"models-dordre-reduit-i-tecniques-daprenentatge-automatic-per-a-aplicacions-amb-bessons-digitals","status":"publish","type":"post","link":"https:\/\/cimne.com\/ca\/models-dordre-reduit-i-tecniques-daprenentatge-automatic-per-a-aplicacions-amb-bessons-digitals\/","title":{"rendered":"Defensa de tesi doctoral \u2013 Models d\u2019ordre redu\u00eft i t\u00e8cniques d\u2019aprenentatge autom\u00e0tic per a aplicacions amb bessons digitals"},"content":{"rendered":"

[et_pb_section fb_built=”1″ admin_label=”section” _builder_version=”4.16″ global_colors_info=”{}”][et_pb_row admin_label=”row” _builder_version=”4.16″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n

\n
RESUM<\/h5>\n

Aquesta tesi desenvolupa els models d\u2019ordre redu\u00eft intrusius basats en projecci\u00f3 (PROM) com a base escalable i amb consist\u00e8ncia f\u00edsica per habilitar bessons digitals industrials amb operaci\u00f3 en temps real. En integrar m\u00e8todes num\u00e8rics d\u2019alta fidelitat amb t\u00e8cniques s\u00f2lides de reducci\u00f3 de models, aborda els colls d\u2019ampolla computacionals que dificulten el desplegament de simulacions a gran escala per a disseny, optimitzaci\u00f3 i monitoratge de l\u2019operaci\u00f3.<\/p>\n

Estructurada com un compendi d\u2019articles revisats per parells, la tesi presenta tres contribucions metodol\u00f2giques principals. En primer lloc, es proposa un marc d\u2019hiperreducci\u00f3 per a PROM de Petrov\u2013Galerkin que elimina la necessitat de malles complement\u00e0ries i permet un mostreig a nivell d\u2019element plenament compatible amb els fluxos de treball est\u00e0ndard d\u2019elements finits (per exemple, Kratos Multiphysics). En segon lloc, es planteja un flux de treball escalable habilitat per a la computaci\u00f3 d\u2019alt rendiment (HPC) per a l\u2019entrenament i el desplegament de PROM, que aprofita la generaci\u00f3 paral\u00b7lela d\u2019instant\u00e0nies (snapshots), la descomposici\u00f3 en valors singulars (SVD) distribu\u00efda i una versi\u00f3 paral\u00b7lela del m\u00e8tode de cubatura emp\u00edrica (ECM), demostrada en un bess\u00f3 digital t\u00e8rmic industrial d\u2019un motor el\u00e8ctric. En tercer lloc, s\u2019estenen les metodologies PROM a r\u00e8gims no lineals mitjan\u00e7ant estrat\u00e8gies de tancament en l\u2019espai latent, incloses PROM-ANN (xarxes neuronals artificials) i models substituts interpretables basats en kernel, com PROM-GPR (regressi\u00f3 per processos gaussians) i PROM-RBF (funcions de base radial), amb l\u2019objectiu de superar la barrera de l\u2019amplada n de Kolmog\u00f3rov en fluxos dominats per la convecci\u00f3. Aquesta extensi\u00f3 incorpora una estrat\u00e8gia d\u2019entrenament informat per la f\u00edsica discreta que alinea les varietats apreses amb xarxes neuronals amb el comportament del residu de l\u2019esquema num\u00e8ric subjacent i en garanteix la consist\u00e8ncia f\u00edsica.<\/p>\n

Els m\u00e8todes desenvolupats es validen de manera sistem\u00e0tica en problemes can\u00f2nics, com l\u2019equaci\u00f3 de Burgers unidimensional inviscida, i s\u2019apliquen a configuracions industrials com l\u2019estela del cos d\u2019Ahmed mitjan\u00e7ant l\u2019entorn AERO-F. Aix\u00ed mateix, es revisen t\u00e8cniques cl\u00e0ssiques, com les varietats lineals a trossos i les quadr\u00e0tiques, per contextualitzar les limitacions dels subespais lineals globals i motivar les estrat\u00e8gies no lineals proposades.Totes les contribucions s\u2019han implementat en els marcs de codi obert Kratos Multiphysics i AERO-F, cosa que subratlla la seva aplicabilitat pr\u00e0ctica en fluxos de treball d\u2019enginyeria a gran escala. Tot i que aquesta tesi no implementa un bess\u00f3 digital de bucle tancat, proporciona una base s\u00f2lida per a futurs bessons digitals de component i d\u2019actiu, i estableix un pont entre la modelitzaci\u00f3 d\u2019alta fidelitat i les capacitats predictives en temps real.<\/p>\n

Finalment, la tesi impulsa la transfer\u00e8ncia tecnol\u00f2gica mitjan\u00e7ant la iniciativa SimTwins, que ofereix ombres digitals i bessons digitals escalables i de codi obert, adaptats a les demandes emergents de la Ind\u00fastria 4.0 i 5.0. En conjunt, aquestes contribucions situen els PROM intrusius basats en projecci\u00f3 com a eines robustes, interpretables i d\u2019alt rendiment, essencials per als ecosistemes de bessons digitals de pr\u00f2xima generaci\u00f3.<\/p>\n

Tribunal<\/strong><\/p>\n