Descripción del proyecto
La ingeniería geotécnica evoluciona con el aprendizaje automático
La ingeniería geotécnica se enfrenta a grandes desafíos debido al cambio climático y a la necesidad de prácticas de construcción sostenibles. Los ingenieros deben trabajar con suelos cuyas propiedades varían enormemente, lo cual dificulta la construcción y a menudo la hace impredecible. Los métodos tradicionales para garantizar diseños seguros y eficientes son lentos y consumen grandes cantidades de materiales, especialmente hormigón, que contiene una elevada huella de carbono. A medida que aumenta la demanda de infraestructuras, resulta esencial disponer de nuevos métodos para que la construcción sea más eficiente y respetuosa con el medio ambiente. En este contexto, el proyecto GRID, financiado con fondos europeos, pretende introducir el aprendizaje automático en la ingeniería geotécnica para resolver estos problemas. Al mejorar los cálculos, abordar la variabilidad del suelo y optimizar los diseños, el equipo de GRID pretende reducir el uso de materiales, disminuir las emisiones y hacer que la construcción sea más segura y resistente.
Objetivo
Our proposed research initiative seeks to propel machine learning into the forefront of geotechnical engineering, with a vision to address critical challenges and revolutionise the field for the betterment of society. The overarching goals of our project align with the need to confront uncertainty, combat climate change through zero carbon emission strategies, address soil parameter heterogeneity, expedite finite element (FE) calculations e.g. for reliability analyses, and enhance design efficiency to reduce material consumption, particularly in the context of concrete. By undertaking this multidimensional approach, our research aims not only to apply machine learning in geotechnical engineering but to fundamentally transform the field, ushering in a new era of efficiency, sustainability and resilience. Through collaboration and innovation, we aspire to make machine learning an integral and indispensable tool for addressing the complex challenges faced by geotechnical practitioners in the 21st century.
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.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automático
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régimen de financiación
HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff ExchangesCoordinador
1180 Wien
Austria