U ponedjeljak, 13. januara 2025. godine, Mašinski fakultet Univerziteta u Sarajevu bio je domaćin inspirativnog događaja pod nazivom  Computational Mechanics and Deep learning: raising awareness “. Hibridni događaj, organizovan u okviru EU projekta Design of Computational Mechanics and Deep learning joint master program (DSGN COM-DL)“, okupio je raznoliku publiku studenata, istraživača i stručnjaka iz industrije, željnih da istraže transformativni potencijal integracije računske mehanike (CM) i dubokog učenja (DL). DSGN COM-DL projekat se realizovao u periodu od novembra 2023-januar 2025.godine, te je koordinator projekta bio Mašinski fakultet Univerziteta u Sarajevu (voditeljica projekta v.prof.dr. Amra Hasečić). Partneri projekta su bili University College Dublin, Sveučilište u Zagrebu i Univerzitet u Zenici.

Cilj događaja bio je istaknuti revolucionarnu sinergiju između numeričkih simulacija i mašinskog učenja, koja podstiče optimizaciju i efikasnost u oblastima kao što su inženjerstvo okoliša, automobilska industrija i građevinarstvo. Važnost ove integracije naglašena je predviđanjima NASA-e, koja procjenjuje da će do 2030. godine postati industrijski standard.

Događaj je okupio ugledne predavače sa vodećih institucija koji su podijelili svoje stručno znanje i istraživačke inovacije:

  • Leonardo Stella(School of Computer Science, University of Birmingham) predstavio je revolucionarni okvir koji koristi učenje potkrijepljeno (reinforcement learning) za predviđanje poroznosti u aditivnoj proizvodnji, validiran na leguri A205 Al visoke čvrstoće. Naglasio je važnost pristupa zasnovanih na fizički informiranoj umjetnoj inteligenciji (AI) za visokokvalitetna predviđanja, čime se revolucionira aditivna proizvodnja.
  • Željko Tuković(Univerzitet u Zagrebu) predstavio je inovativni pristup dizajnu naddzvučnih mlaznica koristeći fizički informirane neuronske mreže (PINNs) za rješavanje PDE jednačina koje opisuju tok kompresibilnih, neidealnih plinova. Njegova metoda ponudila je nova rješenja za dizajn podzvučnih i naddzvučnih sekcija mlaznica, uključujući primjene u raketnim motorima, aerotunelima i parnim turbinama.
  • Miguel Alfonso Mendez(von Karman Institute for Fluid Dynamics) govorio je o inovativnim pristupima vođenim podacima za analizu dinamike fluida. Istakao je njihov uticaj na modeliranje i kontrolu složenih sistema, kombinirajući asimilaciju podataka u realnom vremenu i digitalne blizance za transformativne primjene.
  • Seid Koric(Univerzitet u Illinoisu) predstavio je DeepONet, neuronsku mrežu koja aproksimira operatore rješenja PDE jednačina, omogućavajući rješenja do 10.000 puta brže od tradicionalnih numeričkih metoda. Njegova istraživanja pokazala su stvarne primjene u multiphysic inženjerstvu i naprednoj proizvodnji.
  • Philip Cardiff(University College Dublin) istražio je integraciju mašinskog učenja sa metodama konačnih zapremina, demonstrirajući njegovu sposobnost da emulira elastoplastične modele i ubrza iteracije rješavača u OpenFOAM-u.
  • Kevin Nolan(University College Dublin) podijelio je zapažanja o uticaju generativnih AI alata poput ChatGPT-a na obrazovanje, ističući njihove potencijalne prednosti i izazove u oblikovanju studentskog procesa učenja.

Učesnici su stekli uvid u inovativne primjene računske mehanike i dubokog učenja, od aditivne proizvodnje i dinamike fluida do obrazovanja i istraživanja. Događaj je naglasio transformativnu ulogu ove sinergije u rješavanju globalnih izazova i unapređenju naučnog razumijevanja.

Događaj predstavlja značajan korak u poticanju interdisciplinarne saradnje i inovacija.

en_USEN
Share This