GRID

Unsere vorgeschlagene Forschungsinitiative zielt darauf ab, maschinelles Lernen an die Spitze des geotechnischen Ingenieurwesens zu bringen, mit der Vision, entscheidende Herausforderungen anzugehen und das Feld zum Wohle der Gesellschaft zu revolutionieren. Die übergeordneten Ziele unseres Projekts stehen im Einklang mit der Notwendigkeit, Unsicherheiten zu bewältigen, den Klimawandel durch Strategien mit null Kohlenstoffemissionen zu bekämpfen, die Heterogenität der Bodenparameter anzugehen, Finite-Elemente-Berechnungen zu beschleunigen, z.B. für Zuverlässigkeitsanalysen, und die Designeffizienz zu erhöhen, um den Materialverbrauch zu reduzieren, insbesondere im Kontext von Beton. Durch diesen multidimensionalen Ansatz strebt unsere Forschung nicht nur an, maschinelles Lernen im geotechnischen Ingenieurwesen anzuwenden, sondern das Feld grundlegend zu transformieren und eine neue Ära der Effizienz, Nachhaltigkeit und Widerstandsfähigkeit einzuläuten. Durch die Zusammenarbeit von 11 Teilnehmern, darunter drei Industriepartner (ETS, GGU und HDAnalytics), und Innovation streben wir danach, maschinelles Lernen zu einem integralen und unverzichtbaren Werkzeug zu machen, um die komplexen Herausforderungen zu bewältigen, mit denen geotechnische Fachleute im 21. Jahrhundert konfrontiert sind.