Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Toward fully physics based probabilistic seismic hazard assessment using physics informed neural networks

Descripción del proyecto

Ordenadores para la predicción de riesgos sísmicos

Predecir los temblores de tierra y clasificar su impacto es fundamental para evaluar la peligrosidad sísmica. Sin embargo, el elevado coste que conllevan las simulaciones de campos de ondas sísmicas tridimensionales completas en medios viscoelásticos hace que esto sea inasequible. Los investigadores emplean relaciones empíricas que no pueden captar los efectos de la trayectoria de la propagación de las ondas que podrían predecir los factores que aumentan los temblores de tierra. El proyecto TerraPINN, financiado con fondos europeos, utilizará redes neuronales informadas por la física (PINN, por sus siglas en inglés), una innovación del aprendizaje automático científico, para abordar el problema de la propagación de campos de ondas tridimensionales en medios viscoelásticos mediante el aprendizaje profundo. El proyecto se basa en una red totalmente entrenada para reducir de manera sustancial el tiempo necesario para calcular la respuesta sísmica generada por fuentes y receptores arbitrarios, lo que permite predecir la peligrosidad sísmica en un marco probabilístico.

Objetivo

In regions of high seismicity, it is essential for society to understand the associated seismic hazard. A cornerstone of seismic hazard assessment is the ability to predict what kind of ground shaking occurs from a particular type of source at some given location; however, given the immense expense of full 3D viscoelastic seismic wavefield simulations, researchers typically rely on empirical relations that do not capture the path effects of wave propagation, which can significantly increase ground shaking by waveguiding and other effects. I propose to use a novel development in scientific machine learning - Physics Informed Neural Networks (PINNs) - to solve the 3D viscoelastic wavefield propagation problem. A fully trained network will drastically reduce the time required to compute the seismic response for arbitrary sources and receivers, enabling fully physics based seismic hazard in a probabilistic framework. PINNs utilize our knowledge of the physics, in this case the equations of motion for continuous media, to regularize learning, which reduces the required amount of training data by many orders of magnitude. We will utilize the PINN wavefield solver in a testbed study of physics based seismic hazard assessment for Southern California, with the goal of producing a framework that is computationally accessible to apply across the world.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) H2020-MSCA-IF-2020

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 224 933,76
Dirección
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Reino Unido

Ver en el mapa

Región
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 224 933,76
Mi folleto 0 0