Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | SurMoDeL: Sviluppo di modelli surrogati con apprendimento automatico per la gestione di campi di stoccaggio gas |
|---|---|
| Titolo del progetto di ricerca in inglese | SurMoDeL: Development of Deep Learning-based surrogate models for the management of gas storage fields |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Mathematical analysis |
| G.S.D. | 01/MATH-05 - ANALISI NUMERICA |
| S.S.D | MATH-05/A - Analisi numerica |
| Descrizione sintetica in italiano | L’implementazione di siti di stoccaggio sotterraneo di CO2 o H2 è un aspetto fondamentale nella transizione verso economie a basso o zero impatto di carbonio. La modellazione poromeccanica è uno strumento computazionale essenziale per garantire la sicurezza sociale e ambientale di applicazioni industriali, insieme a un monitoraggio del sito. Tuttavia, la gestione dell’incertezza associata alla conoscenza del sottosuolo con modelli tradizionali presenta costi computazionali troppo elevati per consentire simulazioni real-time e l’uso di affidabili modelli surrogati diventa fondamentale. L’obiettivo di questo progetto è lo sviluppo, implementazione e applicazione di nuovi modelli surrogati basati sull’apprendimento automatico con reti neurali Physics-Informed per applicazioni poromeccaniche associate alla simulazione di campi di stoccaggio gas. |
| Descrizione sintetica in inglese | The implementation of CO2 or Hydrogen underground storage sites is a basic requirement towards the transition to a low or zero-carbon economy. Poromechanical modeling is a fundamental computational tool for the social and environmental safety of industrial implementations, along with a continuous monitoring of the ongoing occurrences. However, addressing the uncertainty related to the subsurface knowledge with traditional high-fidelity models has a computational cost that may become unaffordable for real-time model updates. Hence, the use of surrogate models is fundamental. The objective of this project is the development, implementation and application of novel Deep Learning-based surrogate models for poromechanical applications with the aid of Physics-Informed Neural Networks. The expected outcome is a class of novel techniques allowing for reliable and robust real-time predictions. |
| Data del bando | 06/11/2024 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 22500 |
| Periodicità | 12 mesi |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://protocollo.unipd.it/albo/viewer |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|
| Nome dell'Ente finanziatore | Università degli Studi di Padova - Dipartimento di Ingegneria Civile, edile e ambientale - ICEA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Padova |
| Codice postale | 35131 |
| Indirizzo | Via F. Marzolo, 9 |
| Sito web | https://www.dicea.unipd.it/ |
| ricerca@dicea.unipd.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 26/11/2024 |
|---|---|
| Come candidarsi | https://protocollo.unipd.it/albo/viewer |