Caricamento Corsi

Finite Element Analysis & Machine Learning

Docente:
Federico Valente
Ing., MBA, Six Sigma Black Belt, amministratore unico ITACAe Srl

Il corso sarà erogato in modalità online.

DESCRIZIONE DEL CORSO

La disciplina trattata è l’insieme accuratamente bilanciato delle conoscenze delle tecniche di analisi agli elementi finiti (FEA) e di machine learning (ML) e della loro integrazione finalizzata all’incremento delle capacità predittive degli studi ingegneristici.

OBIETTIVI DEL CORSO

Il corso mira a trasmettere la conoscenza delle opportunità offerte dall’integrazione fra le due tecniche di calcolo numerico (FEA e ML), farne assimilare i concetti e i principi di base, dare consapevolezza di alcuni casi applicativi e cominciare a impratichirsi in alcuni degli strumenti software disponibili.

DESTINATARI

Ingegneri, ricercatori e professionisti in settori come l’aerospaziale, l’automobile, l’ingegneria civile e la biomeccanica, che utilizzano strumenti di calcolo agli elementi finiti, interessati alla meccanica computazionale e alle applicazioni di machine learning in ingegneria, software engineer, data engineer, innovation manager, specialisti di AI, FEA e ML.

PREREQUISITI

Conoscenza delle nozioni base dell’analisi agli elementi finiti e dei principi ingegneristici e delle tecniche di machine learning; familiarità con la programmazione (ad esempio Python); accesso a strumenti software FEA e librerie ML.

COMPETENZE CHE SI ACQUISISCONO

Questo programma di formazione consente ai partecipanti di acquisire competenze relative alle discipline FEA e ML, di colmarne il divario per sfruttarne le sinergie al fine di una maggiore efficienza computazionale e accuratezza predittiva nelle analisi ingegneristiche.

PROGRAMMA

  • Introduzione all’analisi agli elementi finiti (FEA):
    • Principi di base della FEA;
    • Descrizione della metodologia di calcolo;
    • Illustrazione di casi applicativi: benefici e limitazioni.
  • Fondamenti di Machine Learning (ML):
    • Introduzione ai concetti di machine learning;
    • Apprendimento supervisionato, non supervisionato e con rinforzo;
    • Algoritmi di regressione, classificazione e clustering.
  • Integrazione di FEA con ML:
    • Sfide e opportunità;
    • Panoramica delle ricerche e delle applicazioni recenti;
    • Illustrazione di casi applicativi.
  • Ottimizzazione della generazione di mesh con ML:
    • Tecniche tradizionali di generazione di mesh;
    • Introduzione alla generazione di mesh basate su ML;
    • Esercitazioni pratiche con l’utilizzo di librerie ML (DMG. Gmsh, Netgen …).
  • Riduzione dei costi computazionali con il ML:
    • Identificazione dei colli di bottiglia computazionali nella FEA e tecniche in uso per riduzione dei tempi di calcolo (solutori avanzati, metodo FEM generalizzato, calcolo parallelo);
    • Tecnica di calcolo FEM non lineare con modelli surrogati di ordine ridotto (MOR): Proper Orthogonal Decomposition-Galerkin e Discrete Empirical Interpolation Method (POD-DEIM);
    • Tecnica di Recurrent Neural Network (RNN) per il calcolo FEM multiscala;
    • Surrogato di calcolo FEM multifisico tramite Convolutional Neural Network (CNN);
    • Illustrazione di casi applicativi e riepilogo di vantaggi e svantaggi di ogni tecnica.
  • Cenni alla definizione e all’utilizzo di ML per il miglioramento delle capacità predittive e dell’accuratezza dei risultati della FEA, calibrazione del modello di materiale, tecniche di validazione.

DETTAGLI

Data:

Il corso sarà erogato in modalità online.

11 -12 -13 - 14 Giugno 2024
orario 9.00 - 12.00 | 14.00 - 17.00
Durata: 24 ore totali

Altro

Costo per partecipazione:
800€ + IVA - Il pagamento della quota di iscrizione dovrà essere effettuato tramite bonifico bancario dopo la ricezione della conferma d’iscrizione
Materiale didattico

Il materiale didattico utilizzato durante le lezioni sarà fornito in forma digitale ad ogni partecipante

Attestato

Al termine del corso verrà rilasciato un attestato di partecipazione ai partecipanti che avranno frequentato un minimo dell’80% delle lezioni

Iscrizione al corso
DATI PER LA FATTURAZIONE
Tribe Loading Animation Image

Già iscritto?

Usa questo strumento per gestire la tua iscrizione.