Titulo Estágio
Desenvolvimento de técnicas de reinforcement learning
Áreas de especialidade
Engenharia de Software
Sistemas Inteligentes
Local do Estágio
R. Pedro Nunes Edifício C, 3030-199 Coimbra
Enquadramento
O estágio será desenvolvido no âmbito de um projeto de investigação desenvolvido entre a build.ing e o IPNlis. O objetivo é desenvolver um algoritmo (ou análise da performance de um existente) para melhorar a eficiência estrutural e ambiental de edifícios. Dada a significativa contribuição da construção civil para as emissões de carbono, novas abordagens são essenciais para promover a sustentabilidade. A build.ing e o IPNlis têm se dedicado ao desenvolvimento de soluções digitais para enfrentar esse desafio.
Objetivo
O objetivo deste estágio é desenvolver/adaptar um algoritmo genético para análise da sustentabilidade de edifícios, desde a estruturação do algoritmo até a melhoria da sua performance. Esse algoritmo será integrado num ambiente de desenvolvimento que opera a criação, e gestão das melhores soluções construtivas de edifícios baseados em uma análise multicritério. Os dados neste estágio não serão problemáticos. Temos uma plataforma já operacional, iremos trabalhar numa ótica de reinforcement learning, não vamos precisar de dados para treinar os modelos, visto que a uma plataforma tem uma abordagem genética.
Plano de Trabalhos - Semestre 1
Fase 1: Revisão do Estado da Arte - (1 mês) - Levantamento e revisão de literatura sobre algoritmos genéticos aplicados à criação de edifícios sustentáveis.
Fase 2: Desenvolvimento Inicial - (2 meses) - Início do desenvolvimento de técnicas de otimização e estruturação de algoritmos genéticos.
Fase 3: Testes Preliminares e Análise dos Resultados - (1 mês) - Realização de testes preliminares das técnicas desenvolvidas em ambientes controlados.
Fase 4: Preparação do Relatório Intermediário - (1 mês) - Documentação e preparação do relatório detalhando as atividades e resultados do primeiro semestre.
Plano de Trabalhos - Semestre 2
Fase 5: Refinamento e Melhorias da(s) técnica(s) de otimização proposta/desenvolvida durante o primeiro semestre- (3 meses) - Refinamento das técnicas desenvolvidas com base nos resultados e feedbacks do primeiro semestre.
Fase 6: Testes e Avaliação de Desempenho - (1 mês) - Avaliação do desempenho das técnicas desenvolvidas em comparação com abordagens tradicionais.
Fase 7: Preparação do Documento Final do Estágio - (1 mês) - Documentação final das atividades, resultados e conclusões do estágio.
Condições
O trabalho será desenvolvido na build.ing, sediada no IPN
R. Pedro Nunes Edifício C, 3030-199 Coimbra
O trabalho será supervisionado por:
PhD. David Abreu (dabreu@ipn.pt), Instituto Pedro Nunes, Portugal
O trabalho será co-supervisionado por:
MSc. Elias Silva (elias.silva@build-ing.app), build.ing, Portugal
Observações
Referencia Bibliográfica
D’Amico, B., and Pomponi, F. (2018a). Accuracy and Reliability: A Computational Tool to Minimise Steel Mass and Carbon Emissions at Early-Stage Structural Design. Energy and Buildings 168, 236–250. doi:10.1016/j.enbuild.2018.03.031
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Bertrand, T., Grisel, O., et al. (2011). Scikit-learn: Machine Learning in Python. J. machine Learn. Res. 12, 2825–2830. doi:10.5555/1953048.2078195
Pomponi, F., Crawford, R., Stephan, A., Hart, J., and D’Amico, B. (2020a). The ’building Paradox’: Research on Building-Related Environmental Effects Requires Global Visibility and Attention. Emerald Open Res. 2, 50. doi:10.35241/emeraldopenres.13838.1
De Wolf C, Pomponi F, Moncaster A. Measuring embodied carbon dioxide equivalent of buildings: a review and critique of current industry practice. Energy Buildings 2017;140:68–80.
Condições:
O trabalho será desenvolvido na build.ing, sediada no IPN
R. Pedro Nunes Edifício C, 3030-199 Coimbra
O trabalho será supervisionado por:
PhD. David Abreu (dabreu@ipn.pt), Instituto Pedro Nunes, Portugal
O trabalho será co-supervisionado por:
MSc. Elias Silva (elias.silva@build-ing.app), build.ing, Portugal
Orientador
David Abreu
dabreu@ipn.pt 📩