Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
The University of British Columbia
$160,600.00
AI based shape optimization
EF 2020-21 · 2020-04-22
Résumé
Many design problems involve geometric relationships or shapes. In these problems, the central issue can often be formulated to computing optimal shapes or configurations subject to a set of constraints. Often numerical simulations can be performed based on physical laws to virtual test the effectiveness of a design. Recent advances in machine learning allow for a data-driven solution: a neural network can be trained using pre-computed simulation data and then use the neural network as an online simulator. This project investigates geometric techniques for representing and processing shape data for machine learning and computing optimal shapes for design.
Ministère
Programme
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Bénéficiaire
Emplacement
Vancouver|Vancouver, British Columbia, Canada
Type de bénéficiaire
Academia
Numéro d'entreprise
108161779
Type
Grant
Source
Proactive Disclosure - Grants and Contributions
Tel que publié
Additional Information
This agreement has been amended 1 time(s). The end date of this agreements has been modified by 183 days
Additional Information (French)
Cet accord a été modifié 1 fois. La date de fin du présent accord a été changé de 183 jours.
Agreement End Date
2022-09-30
Agreement Number
948443
Agreement Start Date
2020-04-22
Agreement Title
AI based shape optimization
Agreement Title (French)
Optimisation des formes à l’aide de l’IA
Agreement Type
Grant
Agreement Value
$160,600.00
Amendment Date
2022-01-25
Amendment Number
1
Description
Many design problems involve geometric relationships or shapes. In these problems, the central issue can often be formulated to computing optimal shapes or configurations subject to a set of constraints. Often numerical simulations can be performed based on physical laws to virtual test the effectiveness of a design. Recent advances in machine learning allow for a data-driven solution: a neural network can be trained using pre-computed simulation data and then use the neural network as an online simulator. This project investigates geometric techniques for representing and processing shape data for machine learning and computing optimal shapes for design.
Description (French)
De nombreux problèmes de conception mettent en jeu des formes ou des relations géométriques. Une formulation adéquate de la question centrale permet souvent de résoudre ces problèmes en calculant les formes ou les configurations optimales en fonction d’un ensemble de contraintes. De telles simulations numériques, basées sur les lois de la physique, permettent souvent de tester virtuellement tel ou tel concept. Les avancées récentes en apprentissage automatique permettent l’adoption d’une solution orientée sur les données : on peut « éduquer » un réseau neuronal en lui soumettant des simulations précalculées puis l’utiliser comme simulateur en ligne. Ce projet consistera à explorer des techniques qui permettent de représenter et de traiter des données géométriques dans le cadre de l’apprentissage automatique et du calcul de formes optimales axés sur la conception.
Expected Results
In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.
Expected Results (French)
À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.
Federal Riding
Vancouver Quadra
Federal Riding (French)
Vancouver Quadra
Federal Riding Number
59039
NAICS Code
541710
Organization Code
nrc-cnrc
Organization
National Research Council Canada | Conseil national de recherches Canada
Program Name
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Program Name (French)
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
Program Purpose
Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.
Program Purpose (French)
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Recipient Business Number
108161779
Recipient City
Vancouver|Vancouver
Recipient Country
CA
Recipient Legal Name
The University of British Columbia
Recipient Postal Code
V6T 1Z3
Recipient Province or Territory
BC
Recipient Type
S
Reference Number
172-2021-2022-Q4-948443