Clúster de investigación
Modelos predictivos de alta fidelidad basados en datos
Persona de contacto
Matteo Giacomini
Líderes académicos
Pedro Díez, Alberto Garcia, Matteo Giacomini, Antonio Huerta, Ivan Markovsky, Sergio Zlotnik

Visión General
Investigación
Miembros
Proyectos
Publicaciones
Este grupo de investigación desarrolla modelos matemáticos y computacionales que integran la comprensión física con datos de simulaciones y experimentos, avanzando en técnicas de modelado sustituto para la optimización, problemas inversos y cuantificación de la incertidumbre en aplicaciones de ingeniería.
El grupo de investigación de Modelos Creíbles de Alta Fidelidad y Basados en Datos del CIMNE desarrolla enfoques matemáticos y computacionales innovadores que impulsan las capacidades cuantitativas y predictivas en ciencia e ingeniería. El grupo integra modelos físicos rigurosos con ricas fuentes de datos provenientes de simulaciones numéricas, experimentos de laboratorio y observaciones del mundo real para crear marcos predictivos robustos.
Un enfoque central del clúster es el desarrollo de tecnología de vanguardia en la modelización de fenómenos complejos que surgen en la producción industrial y el desarrollo sostenible. Esto se logra mediante la formulación de modelos basados en ecuaciones diferenciales parciales y descripciones basadas en datos, así como mediante el desarrollo de nuevos métodos computacionales para su simulación numérica. Esto incluye el diseño de nuevos paradigmas para la modelización de sustitutos, como el Diseño Directo Basado en Datos (D4), estrategias de multifidelidad que identifican de forma adaptativa instantáneas adecuadas, y métodos para evaluar y controlar la precisión y robustez de los sustitutos ante el ruido y la incertidumbre, garantizando al mismo tiempo el conocimiento del dominio.
El clúster aplica estas técnicas avanzadas de modelado a desafíos de optimización (incluida la multifidelidad, así como la optimización de forma y topología), problemas inversos (utilizando enfoques bayesianos y de cadena de Markov de Monte Carlo adaptativos) y cuantificación de incertidumbre, con especial atención al manejo de datos ruidosos e inciertos a través de estrategias de muestreo óptimas para sistemas complejos paramétricos.
Las aplicaciones de investigación abarcan cuatro áreas principales: (1) diseño, optimización y simulación de ingeniería automotriz, con énfasis en los campos en expansión de la electromovilidad y la seguridad vehicular; (2) energía geotérmica y explotación de recursos minerales estratégicos, con atención a los desafíos de la sostenibilidad; (3) modelado basado en datos y específico para cada paciente para la toma de decisiones sanitarias en medicina personalizada; (4) sistemas de microfiltración para el acceso a agua potable y la resiliencia ante eventos extremos. Mediante estas iniciativas, el clúster busca democratizar el acceso a tecnologías de modelado de alta fidelidad y soluciones de gemelos digitales de vanguardia, garantizando la eficiencia numérica, la robustez y la credibilidad en diversas aplicaciones científicas y de ingeniería.



Proyectos en curso
Proyectos finalizados
Búsqueda
Notícias relacionadas
No se han encontrado resultados
La página solicitada no pudo encontrarse. Trate de perfeccionar su búsqueda o utilice la navegación para localizar la entrada.