← Tutte le offerte

Ricercatore Scientifico in AI Scientifica e Ingegneria Geotecnica

ETH Zürich

Tipo di contratto
Tempo pieno
Percentuale
100%
Luogo
Zürich
Azienda
ETH Zürich, Binzmühlestrasse 130, 8050 Zürich
Prima pubblicazione
Candidati ora

Einleitungstext
La cattedra di Ingegneria Geotecnica presso l'ETH Zurich, parte dell'Institute for Geotechnical Engineering (IGT), concentra l'insegnamento e la ricerca sull'ingegneria delle fondazioni, la meccanica dei suoli e i rischi naturali. Il nostro obiettivo è combinare la conoscenza teorica con esperimenti e simulazioni numeriche per sviluppare nuovi metodi per comprendere e prevedere il comportamento di suoli, fondazioni e infrastrutture.

Apriamo una posizione nel nostro gruppo di ricerca presso l'ETH Zurich, focalizzata sullo sviluppo e l'integrazione di moderni metodi di Intelligenza Artificiale (AI) nella ricerca di ingegneria geotecnica, mantenendo al contempo un forte legame con la fisica e la meccanica sottostanti. Il nostro obiettivo non è sviluppare un nuovo modello di AI o sostituire l'ingegneria basata sulla fisica con una AI puramente guidata dai dati. Al contrario, vogliamo utilizzare l'AI per trasformare il modo in cui la ricerca stessa viene eseguita: dalla generazione di modelli numerici e l'acquisizione di dati sperimentali all'analisi, alla visualizzazione e alla comunicazione.

A questo scopo, cerchiamo un Ricercatore Scientifico in AI Scientifica e Ingegneria Geotecnica, che lavorerà in tutto il gruppo di ricerca, collaborando con dottorandi, ricercatori post-dottorato e scienziati senior.

Il ruolo combina ricerca scientifica, ingegneria computazionale, automazione della ricerca, data science e lo sviluppo di strumenti riutilizzabili abilitati dall'AI. Un obiettivo centrale è identificare nuove opportunità in cui l'AI possa abilitare ricerche che altrimenti sarebbero difficili o impossibili, e sviluppare capacità che possano essere utilizzate in tutto il gruppo.

Aufgaben-/Stellenbeschreibung
Il lavoro interconnetterà diverse aree della nostra attività:

AI scientifica e modellazione informata dalla fisica

Sviluppare e applicare approcci di AI e machine learning a problemi complessi nell'ingegneria geotecnica e nella meccanica computazionale, con particolare enfasi su approcci che combinano i dati con la conoscenza fisica, piuttosto che fare affidamento esclusivamente su modelli black-box guidati dai dati.
Esplorare argomenti tra cui il machine learning informato dalla fisica (physics-informed) e guidato dalla fisica (physics-guided), la modellazione costitutiva ibrida fisica–ML, modelli surrogati e a ordine ridotto, problemi inversi e identificazione dei parametri, quantificazione dell'incertezza e scoperta scientifica assistita dall'AI.
Applicare questi metodi a problemi riguardanti il comportamento del suolo, l'interazione suolo-struttura, la liquefazione, i rischi naturali, le fondazioni e la resilienza delle infrastrutture.
Modellazione numerica abilitata dall'AI

Sviluppare strumenti per automatizzare e accelerare i flussi di lavoro di modellazione numerica, incluse le simulazioni a elementi finiti (FE) e potenzialmente a elementi discreti (DEM) e con il metodo dei punti materiali (MPM).
Automatizzare compiti come la generazione di modelli, la creazione di geometria e mesh, l'assegnazione di materiali e condizioni al contorno, studi parametrici, l'esecuzione su calcolo ad alte prestazioni (HPC), la verifica del modello, l'estrazione dei risultati e il post-processing standardizzato.
Creare strumenti robusti e riutilizzabili che consentano ai ricercatori di tutto il gruppo di costruire e analizzare modelli numerici in modo più efficiente, mantenendo un appropriato controllo e verifica ingegneristica.
Automazione della ricerca sperimentale

Sviluppare metodi abilitati dall'AI per l'acquisizione, l'elaborazione e l'interpretazione di dati sperimentali provenienti da test di laboratorio e centrifuga.
Automatizzare l'elaborazione dei dati dei sensori, la sincronizzazione di diversi sistemi di misurazione, l'analisi tramite computer vision degli esperimenti, l'estrazione di meccanismi di deformazione e rottura da immagini e video, l'identificazione dei parametri sperimentali e l'integrazione dei risultati sperimentali e numerici.
Geotechnical data intelligence

Sviluppare metodi per sfruttare il crescente volume di dati geotecnici disponibili all'interno del gruppo e attraverso repository esterni.
Organizzare ed estrarre informazioni da esperimenti storici di laboratorio e centrifuga e analisi numeriche, e sfruttare grandi dataset esterni e repository di ricerca come DesignSafe e database contenenti proprietà geotecniche e geologiche.
Contribuire allo sviluppo a lungo termine di dataset geotecnici strutturati e consapevoli della fisica per supportare l'inferenza dei parametri, la calibrazione del modello, la quantificazione dell'incertezza, l'identificazione delle carenze del modello e lo sviluppo di nuovi approcci di AI informati dalla fisica.
Visualizzazione scientifica e comunicazione

Sviluppare approcci automatizzati per trasformare i risultati della ricerca in visualizzazioni, animazioni e video di alta qualità.
Sviluppare strumenti che supportino le pubblicazioni e le presentazioni scientifiche facilitando al contempo la comunicazione efficace della ricerca attraverso siti web, materiali didattici, pubblico professionale e piattaforme di social media.
Capacità di AI a livello di gruppo

Aiutare a stabilire l'AI come una capacità di ricerca ampiamente accessibile all'interno del gruppo.
Identificare opportunità per l'AI attraverso le attività di ricerca in corso, sviluppare strumenti e flussi di lavoro comuni, fornire formazione interna e documentazione, e lavorare direttamente con i ricercatori per consentire loro di utilizzare efficacemente e indipendentemente i moderni metodi di AI e computazionali.

Ihr Profil
Cerchiamo uno scienziato / ingegnere intellettualmente curioso che combini forti competenze computazionali con un interesse per i sistemi fisici e la ricerca ingegneristica. Un background in ingegneria geotecnica non è obbligatorio ma può rappresentare un vantaggio.

Dottorato di ricerca (PhD) in meccanica computazionale, ingegneria computa

Tradotto automaticamente dall’originale.

Pubblicato 2 giorni fa

Luogo

Vedi su Google Maps