WCCM-ECCOMAS 2026 — World Congress on Computational Mechanics

Fri, 24 Jul 2026 00:00:00 +0000

WCCM-ECCOMAS 2026

World Congress on Computational Mechanics — ECCOMAS Congress 2026. Monaco di Baviera, Germania — 19–24 luglio 2026.

Una settimana molto intensa con la RSUQ Chair a WCCM-ECCOMAS 2026.

Il congresso è stato un’occasione unica per presentare le nostre ricerche più recenti all’incrocio tra quantificazione dell’incertezza, affidabilità, modellazione stocastica, inferenza bayesiana e meccanica computazionale. Siamo stati orgogliosi di contribuire con cinque presentazioni su diversi aspetti del nostro lavoro.

Contributi

🔹 S. Marelli, S. Schär, C. Nardin & B. Sudret — Reliability analysis on dynamical systems using manifold-autoregressive surrogate models La keynote di Stefano ha presentato mNARX+, un framework basato sui dati per modellare sistemi dinamici complessi con stati interni e danneggiamento in evoluzione, che permette un’analisi di affidabilità efficiente di sistemi con comportamento non stazionario.

🔹 C. Nardin, S. Marelli, M. Broccardo & B. Sudret — A Continuous Markov-Chain Perspective on Joint Seismic Reliability and Resilience Assessment In questo lavoro ho introdotto le catene di Markov a tempo continuo nel framework PEER-PBEE, offrendo una prospettiva unitaria per modellare sia il danneggiamento sia i processi di ripristino e per valutare in modo coerente affidabilità e resilienza sismica.

🔹 A. Herr, S. Marelli & B. Sudret — Introducing Stochastic Emulators for Hierarchical Bayesian Inference of Population Parameters Anna ha presentato un nuovo approccio basato su emulatori stocastici che approssima direttamente le risposte a livello di popolazione, riducendo il costo computazionale dell’inferenza bayesiana gerarchica per modelli costosi e stocastici.

🔹 S. Marelli, S. Schär & B. Sudret — UQLab – An Open-Source Tool for Uncertainty Quantification with Dynamical Systems Stefano ha illustrato le funzionalità più recenti di UQLab, tra cui il supporto a serie temporali, sistemi dinamici e metamodelli avanzati basati sui dati come PC-NARX, F-NARX e mNARX+.

🔹 Moustapha — Reliability-Based Design Optimization with Stochastic Emulators Il lavoro di Moustapha sulla RBDO ha mostrato come gli emulatori stocastici possano essere un’alternativa efficiente ai classici metamodelli deterministici, in particolare per spazi di incertezza ad alta dimensione e simulatori intrinsecamente stocastici.

Nel loro insieme, questi contributi riflettono la visione di ricerca della Chair: sviluppare metodi computazionali efficienti, scalabili e affidabili per la quantificazione dell’incertezza e per decisioni informate sul rischio, collegando gli sviluppi metodologici di base ad applicazioni ingegneristiche impegnative.

Complimenti a tutti gli autori e relatori per l’ottimo lavoro, e grazie agli organizzatori di WCCM-ECCOMAS 2026 per aver riunito una comunità scientifica così vivace. È stato un piacere incontrare colleghi vecchi e nuovi, discutere nuove idee e vedere le comunità della UQ e della meccanica computazionale riunite in un congresso così grande.

Abstract

C. Nardin, S. Marelli, M. Broccardo & B. Sudret — A Continuous Markov-Chain Perspective on Joint Seismic Reliability and Resilience Assessment WCCM-ECCOMAS 2026, Monaco di Baviera, luglio 2026.

La RSUQ Chair a WCCM-ECCOMAS 2026, Monaco di Baviera — luglio 2026.

Bay-Fi: Approximate Bayesian main Frequency Identification for extremely undersampled signals

Thu, 01 Jan 2026 00:00:00 +0000

Suggerimento

Click the Cite button above to copy .bib publication metadata into your notes.

Bayesian Approach for Main Frequency Identification on Extremely Under-Sampled Signals

Wed, 02 Jul 2025 00:00:00 +0000

Suggerimento

Click the Cite button above to copy .bib publication metadata into your notes.

Bayesian Inference |

WCCM-ECCOMAS 2026 — World Congress on Computational Mechanics

Contributi

Abstract

Bay-Fi: Approximate Bayesian main Frequency Identification for extremely undersampled signals

Bayesian Approach for Main Frequency Identification on Extremely Under-Sampled Signals