Conferenza sulle relazioni costitutive basate sui dati, a cura del professor Kaushik Bhattacharya, titolare della cattedra Howell N. Tyson, Sr. di Meccanica e Scienza dei Materiali presso il California Institute of Technology, USA.

Posto: Aula Larrañeta, Scuola Tecnica Superiore di Ingegneria, Università di Siviglia.

Data e ora: Giovedì, 30 aprile 2026dalle 11:30 alle 12:30.

Organizzato da: Progetto MORE, Meccanica multiscala di materiali ingegneristici innovativi, Università 

Astratto: La simulazione numerica del comportamento meccanico di materiali e sistemi complessi rimane una sfida ingegneristica di notevole importanza. Nonostante i progressi nell'architettura dei computer, nella modellazione multiscala e nell'apprendimento automatico, la maggior parte delle simulazioni complesse dei materiali si basa su un modello costitutivo. Questa presentazione descrive due approcci per l'apprendimento di modelli costitutivi ad alta fedeltà di materiali complessi.

Il primo approccio si basa sulla modellazione multiscala, in cui si riconosce che il comportamento effettivo alla scala delle applicazioni è determinato dalla fisica a diverse scale di lunghezza e tempo: elettronica, atomistica, di dominio, di difetti, ecc. La relazione costitutiva basata sui dati viene ottenuta come un'approssimazione neurale addestrata utilizzando dati generati dalla soluzione ripetuta del problema su piccola scala. Un'innovazione chiave è l'apprendimento di approssimazioni indipendenti dalla discretizzazione. Il secondo approccio cerca di inferire le relazioni costitutive dagli esperimenti. Sebbene i progressi nelle tecniche sperimentali, che consentono osservazioni con una portata e una risoluzione senza precedenti, abbiano portato a un flusso sempre crescente di dati grezzi, rimaniamo carenti di dati quantitativi interpretati che possano essere utilizzati per costruire modelli. Descriviamo un approccio che ci permette di estrarre le informazioni sottostanti dalle osservazioni sperimentali e di progettare in modo ottimale gli esperimenti per minimizzare l'incertezza nel modello.

Breve biografia: Ha conseguito la laurea in ingegneria (B.Tech) presso l'Indian Institute of Technology di Madras, in India, nel 1986, il dottorato di ricerca (Ph.D.) presso l'Università del Minnesota nel 1991 e ha svolto un periodo di formazione post-dottorato presso il Courant Institute for Mathematical Sciences dal 1991 al 1993. È entrato a far parte del Caltech nel 1993. Ha ricevuto la medaglia von Kármán della Society of Industrial and Applied Mathematics (2020), il Distinguished Alumni Award dell'Indian Institute of Technology di Madras (2019), l'Outstanding Achievement Award dell'Università del Minnesota (2018), la medaglia Warner T. Koiter dell'American Society of Mechanical Engineering (2015) e il Graduate Student Council Teaching and Mentoring Award del Caltech (2013).