Investigación
Ingeniería computacional para un mundo sostenible
Descubre nuestros proyectos de investigación
Innovación
Soluciones reales para problemas globales
Trabajamos con simulación avanzada para afianzar la seguridad nuclear.
Comunidad
Una red global de innovadores y emprendedores en métodos numéricos
La Cátedra UNESCO en Métodos Numéricos lidera la innovación de vanguardia en el Sur global.
Sobre Nosotros
Desde 1987 somos un centro de investigación e innovación pionero en ingeniería computacional.
Conoce al talento que lo hace posible.
Investigación
Descubre nuestros proyectos de investigación
Innovación
Trabajamos con simulación avanzada para afianzar la seguridad nuclear.
Comunidad
La Cátedra UNESCO en Métodos Numéricos lidera la innovación de vanguardia en el Sur global.
Sobre Nosotros
Conoce al talento que lo hace posible.
Con nueve clústeres de investigación, tres unidades de innovación y una red global con raíces locales sólidas, la comunidad CIMNE impulsa un progreso constante. Mantente al día sobre avances científicos, proyectos internacionales y desarrollos corporativos que están dando forma al futuro de la ingeniería.
Expertos del Aula CIMNE-UPM ETSII han evaluado la eficacia del aprendizaje automático (Machine Learning, ML) y de la imagen satelital para evaluar la calidad del agua en entornos de aguas continentales. En un estudio reciente, Laura Cáceres, el Dr. Jorge Rodríguez...
El Centro Internacional de Métodos Numéricos en Ingeniería (CIMNE) ha puesto en marcha DAMSHAI (Dam Structural Health Monitoring and Safety Assessment with an AI Agent), un proyecto de investigación de tres años que explorará la aplicación de la inteligencia...
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...