26 de julho de 2023
Palestras – O Programa de Pós-Graduação em Modelagem Computacional convida para as seguintes palestras:
O Programa de Pós-Graduação em Modelagem Computacional convida para as seguintes palestras:
” Um algoritmo por enxame de partículas para a solução de problemas de otimização estrutural multiobjetivo”
Érica da Costa Reis Carvalho
(Pesquisadora Pós-doutoranda, UFJF)
Data: 08/08/2023
Horário: 14:00
Local: Auditório do DCC/Engenharia Computacional/Estatística
Resumo
O interesse em algoritmos evolutivos de otimização multiobjetivo cresceu nos últimos anos devido à sua aplicabilidade em problemas de diversas áreas, especialmente as da matemática e engenharia. Uma família de algoritmos populacionais é largamente aplicada a esses tipos de problemas, dando destaque para os algoritmos genéticos, evolução diferencial, enxame de partículas, dentre outros. Será apresentado um algoritmo por enxame de partículas multiobjetivo aplicado em um conjunto de problemas de otimização estrutural multiobjetivo com restrições. Na experimentação computacional, fronteiras de Pareto serão obtidas como resultados dos problemas de otimização analisados e comparações serão apresentadas utilizando métricas de desempenho. No entanto, com a complexidade dos problemas avaliados, o uso dos algoritmos evolutivos pode se tornar altamente custoso devido ao grande número de soluções candidatas no processo evolutivo. Uma possível solução é o uso de um modelo de substituição ou metamodelo. Além de proporcionar a redução do custo computacional total, o uso de metamodelos pode facilitar o processo de otimização.
“How can reservoir simulation accelerate energy transition?”
Prof. Dr. Denis Voskov
(TU Delft e Stanford University)
Data: 10/08/2023 (quinta-feira)
Horário: 16:00
Local: Auditório do DCC/Engenharia Computacional/Estatística
Abstract
Subsurface reservoirs are used for various applications driving the energy transition towards zero-carbon energy. They can serve as a direct source of carbon-free energy (geothermal production), cyclic energy storage required by renewable energy technologies (solar and wind) and a disposal site of “energy waste” (carbon dioxide sequestration). Making optimal use of subsurface reservoirs is a great challenge for society these days. However, this is not a simple task since information about reservoirs is very scattered and uncertain. Likely, reservoir simulation is capable to integrate the information about subsurface from different sources and scales and effectively use it for uncertainty quantification, risk analysis and production optimization. In my talk, I will share our experience in modelling subsurface reservoirs relevant to energy transition and describe several important ingredients for the numerical framework capable to cover a full variety of such applications. In particular, I will present a parametrization technology that allows us to develop a general-purpose modelling framework hosting a wide variety of formulations under a single umbrella. I propose an accurate and flexible thermodynamic model covering a full range of physical and chemical phenomena of interest in subsurface applications. Another important ingredient of such a framework is efficient coupling with geomechanics. I show how geomechanics capabilities can be incorporated in the complex thermal-compositional simulator for subsurface modelling. The final crucial aspect of a successful numerical framework for energy transition is the capability of performing uncertainty quantification, risk analysis and energy production optimization in a computationally efficient manner. To achieve this goal, the flexibility in defining governing physical relations should be combined with the performance of a forward simulation and supported by advanced inversion capabilities. I will show several examples where the developed simulation framework demonstrates a certain maturity.
*Bio: Dr. Denis Voskov is an Associate Professor at the Department of Geoscience and Engineering, TU Delft, and Adjunct Professor at the Department of Energy Resources Engineering, Stanford University. He is leading a research group on the development of advanced simulation capability for energy production and storage processes related to deep subsurface. Before joining TU Delft, Denis was a Senior Researcher at the Department of Energy Recourses Engineering, Stanford University. His former positions include Chief Technology Officer of Rock Flow Dynamics Company (developer of t.Navigator), Chief Engineer at YUKOS EP company, and a leading specialist at the Institute for Problems in Mechanics, Russian Academy of Sciences.
“Predição das propriedades mecânicas do UHPFRC por meio de aprendizado de máquina supervisionado”
Profa. Dra. Paula de Oliveira Ribeiro
(Depto. Estruturas, UFJF)
Data: 15/08/2023
Horário: 14:00
Local:Auditório do DCC/Engenharia Computacional/Estatística
Resumo
O Concreto de Ultra Alto Desempenho (em inglês, Ultra-High Performance Concrete – UHPC) pertence a classe dos compósitos cimentícios de alta resistência. O UHPC é produzido com cimento Portland, misturas reativas e inertes, pequenos agregados e superplastificante. Quando as fibras são introduzidas na matriz, o material é chamado de Concreto de Ultra Alto Desempenho Reforçado com Fibras (em inglês, Ultra-High Performance Fiber Reinforced Concrete, UHPFRC). A composição da mistura do compósito tem influência nas propriedades mecânicas do material. Neste sentido, modelos de aprendizado de máquina supervisionados podem auxiliar na predição de tais propriedades. Por exemplo, é possível estimar a resistência à tração e à compressão do UHPFRC em função de seus constituintes. Assim, estudos relacionados ao tema possibilitam otimizar a mistura, melhorar a relação custo/benefício do material e, consequentemente, viabilizar o emprego do UHPFRC em estruturas reais.