Descrizione del progetto
Far crescere l’ingegneria geotecnica con l’apprendimento automatico
L’ingegneria geotecnica deve affrontare sfide importanti a causa dei cambiamenti climatici e della necessità di pratiche edilizie sostenibili. Gli ingegneri devono lavorare con terreni dalle proprietà molto diverse, che rendono la costruzione difficile e spesso imprevedibile. I metodi tradizionali per garantire la sicurezza e l’efficienza dei progetti sono lenti e richiedono grandi quantità di materiali, in particolare il calcestruzzo, la cui impronta di carbonio è molto elevata. Con la crescita della domanda di infrastrutture, sono essenziali nuovi metodi per rendere l’edilizia più efficiente e rispettosa dell’ambiente. In questo contesto, il progetto GRID, finanziato dall’UE, si propone di portare l’apprendimento automatico nell’ingegneria geotecnica per risolvere questi problemi. Migliorando i calcoli, affrontando la variabilità del suolo e ottimizzando i progetti, GRID cerca di ridurre l’uso di materiali, abbassare le emissioni e rendere le costruzioni più sicure e resilienti.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. La classificazione di questo progetto è stata convalidata dal team del progetto.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. La classificazione di questo progetto è stata convalidata dal team del progetto.
Parole chiave
Programma(i)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Invito a presentare proposte
(si apre in una nuova finestra) HORIZON-MSCA-2023-SE-01
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-TMA-MSCA-SE -Coordinatore
1180 Wien
Austria