Beca de doctorado: uso de redes neuronales basadas en la física y asimilación de datos para predecir y mejorar la calidad del aire urbano
Universidad de Southampton
Universidad Estatal, Examinar oportunidades similares
es
Universidad Estatal, Examinar oportunidades similares
Título del proyecto: Uso de redes neuronales basadas en la física y asimilación de datos para predecir y mejorar la calidad del aire urbano
Equipo de supervisión: Sean Symon y Christina Vanderwel
Descripción del Proyecto
El objetivo de este proyecto es utilizar redes neuronales basadas en la física (PINN) y técnicas de asimilación de datos para convertir mediciones limitadas de la dinámica de fluidos urbanos en modelos altamente precisos de dispersión de contaminantes en entornos urbanos. Estos modelos son cruciales para la gestión ambiental, la salud pública y la planificación urbana, de modo que las autoridades puedan evaluar y mitigar el impacto de los contaminantes en la calidad del aire y el bienestar de los residentes de las ciudades.
Inicialmente, el proyecto abordará problemas de bajo número de Reynolds en torno a modelos simplificados de entornos urbanos que incluyen edificios, calles o terrenos irregulares. Los PINN se entrenarán con datos de simulación de alta fidelidad e identificarán términos de cierre desconocidos en las ecuaciones rectoras, en particular el flujo escalar que normalmente se modela en las simulaciones. Además, se identificarán los puntos de entrenamiento óptimos y los hiperparámetros de la red.
La segunda fase del proyecto considerará campos experimentales de velocidad y concentración con números de Reynolds más altos que se obtienen mediante velocimetría de imágenes de partículas y fluorescencia plana inducida por láser. El PINN utilizará datos experimentales existentes o nuevas mediciones del túnel de agua dependiendo del problema de interés. Dado que el escalar pasivo se puede medir a resoluciones muy altas en comparación con la velocidad, el PINN puede predecir el campo de velocidad con mayor precisión de lo que sería posible sin mediciones escalares pasivas. Esto ofrece una perspectiva apasionante de poder mejorar las técnicas experimentales de última generación sin necesidad de más hardware.
La fase final del proyecto tendrá como objetivo predecir estructuras de flujo inestable y sus frecuencias utilizando los campos de flujo reconstruidos a partir de PINN. Estos últimos son entradas a las ecuaciones de movimiento linealizadas que revelan las estructuras más amplificadas del flujo.
Nuestro objetivo es construir un equipo diverso e inclusivo para abordar problemas desafiantes donde desarrollamos nuevas habilidades y experiencia en los miembros de nuestro equipo. Tendrá una oportunidad única de trabajar junto a otros miembros del equipo (estudiantes de doctorado e investigadores postdoctorales) con diferentes formaciones y experiencias. Tendrá la oportunidad única de recibir capacitación en el uso de algoritmos de aprendizaje automático de última generación y métodos avanzados de análisis de datos que le permitirán seguir una carrera en el mundo académico o industrial. Finalmente, podrás viajar a congresos internacionales para presentar tu trabajo y desarrollar nuevas colaboraciones con grupos de investigación de todo el mundo.
Puede encontrar más información sobre el tipo de proyectos llevados a cabo en nuestro laboratorio, así como información sobre los miembros actuales del laboratorio, en nuestro sitio web (https://sites.google.com/view/seansymon/home).
Requisitos de entrada
Una muy buena licenciatura (al menos una licenciatura 2:1 en el Reino Unido o su equivalente internacional) en Ingeniería con motivación para realizar trabajos experimentales.
Fecha límite : 31 de agosto de 2024.
Financiamiento: Los fondos para la matrícula y un estipendio de manutención están disponibles de forma competitiva. Los fondos se otorgarán de forma continua, así que presente su solicitud con anticipación para que se considere la mejor oportunidad.
Cómo aplicar
Solicite en línea: busque un programa de estudios de posgrado (soton.ac.uk). Seleccione el tipo de programa (Investigación), 2024/25, Facultad de Ingeniería y Ciencias Físicas, en la página siguiente seleccione "Doctorado en Ingeniería y Medio Ambiente (tiempo completo)". En la Sección 2 del formulario de solicitud debe insertar el nombre del supervisor Bharathram Ganapathisubramani.
Las solicitudes deben incluir :
Currículum vitae
Dos cartas de referencia
Expedientes académicos/certificados de grado hasta la fecha
Correo electrónico: feps-pgr-apply@soton.ac.uk
Elige el país al que quieres viajar para estudiar gratis, trabajar o hacer voluntariado
