The Chair
Computational models have become a standard tool for developing new manufactured products and infrastructures in an efficient way and, more generally, for assessing the performance of engineering systems. Although progress in fundamental sciences and computer power allows the analysts to model the complexity of physical phenomena more and more accurately, models remain an abstract and simplified vision of the real world. Model predictions are useful for decision making only when the model input parameters are well known, which is hardly the case in practice.
In this context, uncertainty quantification techniques aim at identifying the sources of uncertainty and quantify their impact onto the model output for the sake of robust predictions (confidence intervals), risk analysis (probabilities of non performance or failure) and sensitivity analysis (hierarchisation of the sources of uncertainty).
The Chair gathers scientists from different backgrounds, including civil and mechanical engineering, geophysics, applied mathematics and computer science in order to develop new computational methods in the field of uncertainty quantification with applications in structural reliability, global sensitivity analysis, model calibration and reliability-based design optimization.
The Chair develops innovating methodologies in the field of uncertainty quantification and reliability analysis with special emphasis on high performance computing. It promotes an active collaboration with research groups in ETH and in other universities in order to disseminate the good practices and associated tools for uncertainty quantification.
The research results are capitalized into the external pageUQLab software, a general-purpose platform for uncertainty quantification developed in Matlab. UQLab is available for students, academic researchers as well as for private practitioners.
The Chair is also developing external pageUQCloud, a cloud-based software-as-a-service (SaaS) platform that provides a language-independent port of UQLab through a secure stateful API. The API can be directly accessed through a lightweight client, developed in any desired programming language. In 2021, the Chair released the first beta version of the UQCloud service, complete with a set of python bindings, external pageUQ[py]Lab.
To offer a platform for uncertainty quantification practitioners the Chair maintains external pageUQWorld, a forum to share and discuss all UQ-related problems, experience and expertise.
The Chair also offers consulting services to help beginners in their first steps towards uncertainty quantification studies, be they in academic research or in the industry. If you are interested, feel free to contact us by .
Research topics
- Uncertainty modelling for engineering systems
- Time-invariant and time-variant structural reliability
- Polynomial chaos expansions and stochastic finite element methods
- Advanced meta-models (Kriging, support vector machines, low-rank tensor approximations)
- Bayesian statistical methods for reassessment of existing structures, model calibration
- Stochastic inverse problems
- Global sensitivity analysis
- Reliability-based design optimization for robust design
Rechenmodelle haben sich zu einem Standardwerkzeug für die effiziente Entwicklung neuer Produkte und Infrastrukturen und allgemein für Planung, Entwurf und Analyse von Ingenieur-Systemen entwickelt. Der Fortschritt in den Grundlagenwissenschaften und die wachsende Computerkapazität ermöglicht den Anwendern, die Komplexität physikalischer Phänomene immer genauer zu modellieren. Trotzdem bleiben Modelle eine abstrakte und vereinfachte Annäherung an die reale Welt. Wenn Modellvorhersagen für die Entscheidungsfindung genutzt werden, müssen die Modelleingabeparameter bekannt sein, was in der Praxis meistens nicht der Fall ist.
In diesem Zusammenhang zielen die Verfahren zur Ungewissheitsquantifizierung darauf ab, die Quellen von Ungewissheit zu ermitteln und zu modellieren sowie deren Auswirkung auf die Modellausgabe im Hinblick auf robuste Vorhersagen (Konfidenzintervalle), Risikoanalysen (Ausfallwahrscheinlichkeiten) und Sensitivitätsanalysen (Hierarchisierung der Ungewissheitsquellen) zu untersuchen.
Unser Lehrstuhl bringt Wissenschaftler aus verschiedenen Bereichen zusammen, darunter Bauingenieure, Maschinenbauer, Geophysiker, angewandte Mathematiker und Informatiker, um innovative Berechnungsmethoden im Bereich der Ungewissheitsquantifizierung und Zuverlässigkeitsanalyse zu entwickeln. Besondere Schwerpunkte sind dabei: strukturelle Zuverlässigkeit, globale Sensitivitätsanalyse, Modellkalibrierung und zuverlässigkeitsbasierte Bemessungsoptimierung. Wir arbeiten aktiv mit Forschungsgruppen der ETH und anderen Universitäten zusammen, um die bewährten Verfahren der Ungewissheitsquantifizierung unter Anwendern populär zu machen und mit Hilfe dieser Verfahren konkrete Fragestellungen aus den unterschiedlichsten Fachgebieten beantworten zu können.
Unsere Forschungsergebnisse integrieren wir fortlaufend in external pageUQLab, unserer Matlab-basierten universellen Plattform zur Quantifizierung von Ungewissheiten. Diese Software stellen wir Wissenschaftlern und Nutzern aus der Industrie zur Verfügung.
Wir entwickeln ausserdem external pageUQCloud, einer Cloud-basierten Software-as-a-Service (SaaS)-Plattform, die eine sprachunabhängige Portierung von UQLab über eine sichere zustandsabhängige API bietet. Auf die API kann direkt über einen leichtgewichtigen Client zugegriffen werden, der in jeder gewünschten Programmiersprache entwickelt werden kann. Im Jahr 2021 haben wir die erste Beta-Version des UQCloud-Dienstes mit einer Reihe von Python-Anbindungen, external pageUQ[py]Lab, veröffentlicht.
Um Anwendern der Quantifizierung von Ungewissheiten eine Plattform zu bieten, unterhält der Lehrstuhl external pageUQWorld, ein Forum, in dem alle UQ-bezogenen Probleme, Erfahrungen und Fachkenntnisse ausgetauscht und diskutiert werden können.
Wir bieten auch Beratungsdienste an, um Anfängern ihre ersten Schritte im Quantifizieren von Ungewissheiten zu erleichtern, sei es in der Forschung oder der Industrie. Bei Interesse können Sie uns gerne per kontaktieren.
Forschungsthemen
- Ungewissheitsmodellierung für Computermodelle der Ingenieurwissenschaften
- Zeitinvariante und zeitvariante strukturelle Zuverlässigkeit
- Polynomial chaos expansions und stochastische Finite-Elemente-Methoden
- Moderne Metamodelle (Kriging, Support vector machines, Low rank tensor approximations)
- Bayes'sche statistische Methoden zur Modellkalibrierung
- Stochastische inverse Probleme
- Globale Sensitivitätsanalyse
- Zuverlässigkeitsbasierte Bemessungsoptimierung