| 16-07-2022 |
Métodos espectrales para resolver problemas en mecánica de fluidos
Recientemente se lograron establecer las primeras mejoras para estimar el límite de estabilidad global para flujos clásicos cortantes en más de un siglo: esto quiere decir que se puede demostrar que el flujo laminar es globalmente estable bajo cierto número de Reynolds. Para ello se requiere de resolver varios problemas auxiliares de operadores diferenciales parciales, como el cálculo de auto-funciones, y proyecciones solenoidales. El objetivo de este proyecto es resolver estos problemas para algunos flujos en dos dimensiones (e.g. flujos Couette y de Poiseuille), usando métodos espectrales (i.e. series de Fourier y polinomios de Chebyshev) con MATLAB y/o Python. El proyecto no requiere de previo conocimiento de estos temas, y las técnicas aprendidas se pueden aplicar a otros problemas en ingeniería.
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 5 créditos y tiene 1/3 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 06-07-2021 |
Scientific Machine Learning
Explorar metodos para resolver ecuaciones diferenciales parciales utilizando algoritmos de Machine learning
Keywords:
machine learning
Scientific Computing
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 5 créditos y tiene 1/8 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 21-06-2024 |
Optimising initial liquid filling for the isobaric storage of cryogenic liquids in tanks
Cryogenic liquids are substances with a boiling point below -150°C at atmospheric pressure. These liquids have a variety of applications in the energy, food, and medical industries. Due to their low boiling point, they are stored in thermally insulated tanks that are subject to heat ingress from the surroundings. This causes the heating and evaporation of the stored liquid, which entails economic costs, safety issues, and in some cases greenhouse gas emissions. This IPre aims to minimize the boil-off gas as a function of the initial liquid filling produced over different periods of time based on a non-stationary 1-D phenomenological model. The plan is to use mathematical tools to perform the optimization analytically as much as possible, complementing with numerical methods and their computational implementation.
Prerequisites:
None.
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 16-07-2022 |
Prerequisites:
None.
Evaluation method: Nota 1-7, with 1/3 available vacants |
Mentor(s): Open in the plataform |
| 06-07-2021 |
Keywords:
machine learning
Scientific Computing
Prerequisites:
None.
Evaluation method: Nota 1-7, with 1/8 available vacants |
Mentor(s): Open in the plataform |