Descripción del proyecto
LA AVIACION CONTRIBUYE A MAS DEL 2% DE LAS EMISIONES GLOBALES DE GASES DE EFECTO INVERNADERO (GEI) Y SU ACTIVIDAD ESTA AUMENTANDO EXPONENCIALMENTE, EN AUSENCIA DE NUEVAS MEDIDAS, SE ESTIMA QUE LAS EMISIONES DE DIOXIDO DE CARBONO (CO2) DE LA AVIACION INTERNACIONAL CASI SE CUADRIPLICARAN PARA 2050 EN COMPARACION CON 2010, LA COMUNIDAD CIENTIFICA Y LA INDUSTRIA AERONAUTICA TIENEN LA OBLIGACION DE CREAR DISEÑOS NUEVOS Y MAS EFICIENTES, QUE ADEMAS DE MANTENER LA PRESENCIA COMPETITIVA DE LA UE EN EL MERCADO MUNDIAL DEBE PROTEGER EL MEDIO AMBIENTE Y SALVAGUARDAR LA SALUD Y LA CALIDAD DE VIDA DE TODOS LOS RESIDENTES DE LA UE, ESTOS OBJETIVOS SE HAN TRADUCIDO EN UNA CRECIENTE DEMANDA DE PRECISION Y CAPACIDADES DE SIMULACION, PRODUCIENDO ASI UN CRECIMIENTO EXPONENCIAL DE LOS RECURSOS COMPUTACIONALES REQUERIDOS, EN PARTICULAR, LA ALTA COMPLEJIDAD DE ALGUNOS DE ESTOS PROCESOS IMPLICA FRECUENTEMENTE TIEMPOS DE CALCULO MUY LARGOS, MAESTRO/IA TIENE COMO OBJETIVO APROVECHAR LAS NUEVAS TECNOLOGIAS BASADAS EN TRATAMIENTO DE DATOS CON INTELIGENCIA ARTIFICIAL JUNTO CON LAS ARQUITECTURAS HPC EMERGENTES DE VANGUARDIA PARA ACORTAR LA DISTANCIA ENTRE LAS SIMULACIONES CFD DE ALTA FIDELIDAD Y LOS REQUISITOS INDUSTRIALES, PARA HACERLO, MAESTRO/IA MEJORARA ELEMENTOS CLAVE DEL USO TIPICO DE BUCLE DE DISEÑO EN LA INDUSTRIA AERONAUTICA, EN ESTE SENTIDO MAESTRO/IA:- MEJORAR LOS MODELOS DE PARED DE NO EQUILIBRIO PARA MODELOS LES PARA PERMITIR SIMULACIONES DE CONFIGURACIONES DE AERONAVES COMPLETAS EN CONDICIONES EXTREMAS, ESPECIFICAMENTE, EN WP1-2, PROPONEMOS EL DESARROLLO DE UNA NUEVA GENERACION DE MODELOS GENERALES DE ESFUERZO CORTANTE DE PARED BASADOS;EN REDES NEURONALES CONVOLUCIONALES (CNN) Y REDES NEURONALES RECURRENTES (RNN), LA IDEA PRINCIPAL ES CREAR UN VINCULO GENERAL ENTRE LA CAPA EXTERIOR Y EL ESFUERZO CORTANTE DE LA PARED DIRECTAMENTE A PARTIR DE DATOS DE ALTA FIDELIDAD, EL OBJETIVO DE MAESTRO/IA ES PROPORCIONAR UNA CANTIDAD SUFICIENTE DE DATOS RESUELTOS AL MODELO, LO QUE LE PERMITE APRENDER LA FISICA SUBYACENTE POR SI MISMO Y EVITAR DEPENDER DE MODELOS EXTERNOS Y NO GENERALES,- DESARROLLAR METODOS EFICIENTES DE DETECCION DE CARACTERISTICAS IN SITU BASADOS EN: A) UTILIZAR ALGORITMOS DE CLASIFICACION DE ESTRUCTURAS A GRAN ESCALA MEDIANTE ALGORITMOS DE APRENDIZAJE AUTOMATICO, B) UTILIZAR JACOBIANOS PARA DETERMINAR REGIONES DE FLUJO SENSIBLES PARA EL CONTROL DE FLUJO, C) UTILIZAR INTELIGENCIA ARTIFICIAL PARA MEJORAR LOS METODOS DE TERCERA GENERACION DE DETECCION DE VORTICES MEDIANTE LA OPTIMIZACION SUS PARAMETROS,- DESARROLLAR UN CONJUNTO DE FRAMEWORKS HPC DE OPTIMIZACION PARA TENER DISEÑOS OPTIMOS DESDE EL PUNTO DE VISTA AERODINAMICO Y AEROACUSTICO, A DIFERENCIA DE LOS METODOS DE OPTIMIZACION TRADICIONALES DONDE LAS CANTIDADES GLOBALES (ES DECIR, ARRASTRE, SUSTENTACION, NIVEL DE RUIDO, ETC,) SE UTILIZAN COMO FUNCION OBJETIVO, EN MAESTRO PROPONEMOS ACOPLAR ALGORITMOS DE DETECCION DE CARACTERISTICAS CON LOS ALGORITMOS DE OPTIMIZACION PARA ENCONTRAR LA CONFIGURACION OPTIMA BASADA EN UNA ESTRUCTURA DE FLUJO PARTICULAR (POR EJEMPLO, MINIMIZAR EL FLUJO DESPRENDIDO QUE SE IDENTIFICA MEDIANTE UN MODO PARTICULAR),POR LO TANTO, EL PROYECTO MAESTRO/IA OBJETIVO ES DESARROLLAR UN CONJUNTO DE HERRAMIENTAS DE DISEÑO/OPTIMIZACION AVANZADAS, ALTAMENTE EFICIENTES Y PRECISAS, QUE ACTUEN COMO UNA INSTALACION VIRTUAL, QUE PROPORCIONARA DISEÑOS COMPLETAMENTE MEJORADOS Y SERA ADECUADO PARA SER APLICADO EN LA CERTIFICACION VIRTUAL DE AVIONES, INTELIGENCIA ARTIFICIAL\SIMULACIONES NUMERICAS\CONTROL DE FLUJO\CONTROL DE ARRASTRE\AEROACUSTICA\MODELOS DE BAJO ORDEN