Modelagem de Ordem Reduzida e Control de Sistema Fluídicos com Redes Neurais para Grafos

• Processo: 25/10531-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 31 de outubro de 2026
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Pesquisador responsável: William Roberto Wolf
• Beneficiário: Brener d'Lélis Oliveira Ramos
• Instituição Sede: Faculdade de Engenharia Mecânica (FEM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais, AP.CEPID
• Assunto(s): Aprendizado computacional Controle Simulação numérica Dinâmica dos fluidos computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Controle | Modelagem de ordem reduzida | Simulações Númericas | Mecânica dos Fluidos Computacional

Resumo

Modelos de ordem reduzida (ROM) desempenham um papel crucial ao tornar viáveis, do ponto de vista computacional, simulações de fluidos de alta fidelidade para tarefas como otimização e controle. Este projeto tem como objetivo explorar a aplicação de Redes Neurais para Grafos (GNNs) no desenvolvimento de ROMs que sejam precisos e eficientes. As GNNs são particularmente adequadas para essa tarefa devido à sua capacidade de aprender dinâmicas físicas em malhas não estruturadas, aproveitando a troca de mensagens entre pares, o que captura interações locais e melhora sua precisão. A segunda parte deste trabalho investigará uma variedade de técnicas de controle baseadas em aprendizado de máquina que podem operar sobre os ROMs, incluindo aprendizado por reforço, aprendizado por reforço diferenciável e métodos baseados em retropropagação no tempo. Ao combinar técnicas avançadas de ROM com estratégias modernas de controle, este projeto visa dar um passo significativo em direção ao controle orientado por dados de sistemas de fluidos complexos. (AU)