Dr. Hongyang Cheng is gespecialiseerd in multi-schaal modellering van grond en Bayesian onzekerheidskwantificatie voor geotechnische toepassingen. Zijn onderzoek slaat een brug tussen fysica-gebaseerde en data-gedreven benaderingen om grondmechanica te verbeteren, met een focus op het gedrag van granulair materiaalāvan quasistatisch tot vrijstromendāen het kwantificeren van parameteronzekerheden van deeltjes- tot macroschaal. Dr. Cheng is redactielid van Soils and Foundations, benoemd lid van de Technische Commissie 105 āGeomechanics: Micro to Macroā en mede-leider van Werkgroep 1 van de COST Action ON-DEM.
Dr. Cheng begeleidt 3 postdocs/onderzoekstechnici (2 afgerond), 7 promovendi (1 afgerond) en 8 MSc-studenten (4 afgerond). Als samenwerkingspartner en mentor werkt hij actief samen met industriĆ«le partners en zet hij zich in voor Open Science. Zijn onderzoek draagt bij aan multi-schaal risico-evaluaties en optimalisatiemethoden voor geotechnische constructies onder extreme belastingomstandigheden. Klik hierĀ om zijn recente NWO- en EU-gefinancierde projecten over aardbevingen en onderzeese aardverschuivingen te verkennen.
Expertises
Earth and Planetary Sciences
- Parameter
- Calibration
- Simulation
- Discrete Element Method
- Model
Engineering
- Element Method
- Models
- Discrete Element
Organisaties
Het onderzoek van Dr. Hongyang Cheng richt zich op het bevorderen van het begrip en de modellering van grond door middel van twee hoofdlijnen: multi-schaal modellering en Bayesian onzekerheidskwantificatie. Zijn werk beoogt de kloof te overbruggen tussen theoretische grondmodellen en praktische risicobeoordelingen, met name in geotechnische toepassingen zoals de veiligheid van dijken en taluds.
Multi-schaal Modellering: Dr. Cheng is gespecialiseerd in de modellering van granulair materiaal (zoals grond en gesteente) op deeltjes-, meso- en macroschaal. Tijdens zijn promotieonderzoek ontwikkelde hij Discrete Element Method-modellen om vezel-versterkte gronden te begrijpen en constitutieve wetten af te leiden. Als postdoc verbeterde hij directe numerieke simulaties van vloeistof-verzadigde gronden door microstructuren en deeltjes-vloeistofdynamica te integreren. Zijn bijdragen omvatten ook algemene multi-schaal formules die momentum en energie beter behouden, met toepassingen in grond-structuur interacties en transiƫnte granulaire stromingen.
Bayesian Onzekerheidskwantificatie: Met tien jaar ervaring in Bayesian inferentie ontwikkelde Dr. Cheng methoden zoals iteratieve Bayesian filtering voor efficiĆ«nte parameterafleiding en leidde hij het project āGrainLearningā. GrainLearning combineert fysisch-gebaseerde modellering met machine learning (ML) door clustering-algoritmes en neurale netwerken te gebruiken om inferentie en computationele efficiĆ«ntie te verbeteren. Deze tool heeft erkenning gekregen, waaronder industriĆ«le adoptie en financiering voor uitbreiding van zijn surrogaatmodellering mogelijkheden.
Dr. Cheng is actief betrokken bij multidisciplinaire initiatieven, zoals de Lorentz Center-workshop die hij organiseerde over āMachine Learning for Discrete Granular Media,ā met als doel fysisch-gebaseerde en ML-benaderingen in computationele geomechanica te integreren. Hij leidt ook werkgroepen om open science binnen de DEM-gemeenschap te bevorderen. De toepassing van zijn onderzoek reikt verder dan geotechniek en omvat ook gebieden zoals lasersintering, farmaceutische poederverwerking en industriĆ«le verwerking van granulair materiaal.
Publicaties
2026
2025
2024
2023
Onderzoeksprofielen
In de afdeling Civiele Techniek & Management geeft Dr. Cheng bachelorvakken over Grondmechanica (tweede jaar) en Geotechniek voor Dijkontwerp (derde jaar). Deze vakken voorzien studenten van een gedegen basiskennis over grondgedrag en praktische technieken voor grondkarakterisering in geotechnische toepassingen. Op masterniveau doceert hij GeoRisk Management (5EC), waar studenten kansrekening, stochastische modellering en numerieke methoden (FEM) toepassen om risico's in geotechnische techniek te beoordelen en te beheersen, onder andere door het aanpassen en draaien van een dijkmodel (Python) voor risicoanalyse.
Tijdens zijn postdoctorale periode bij de afdeling Thermische en FluĆÆde Techniek coƶrdineerde en doceerde Dr. Cheng drie 5EC mastervakken: Multiphase Flows, gericht op de dynamica van deeltjes-vloeistofsystemen; Granular Matter, waarin de elastoplasticiteit van grond werd verkend; en Advanced Programming in Engineering, met een nadruk op beeldanalysetechnieken.
Verbonden aan opleidingen
Vakken collegejaar 2026/2027
Vakken in het huidig collegejaar worden toegevoegd op het moment dat zij definitief zijn in het Osiris systeem. Daarom kan het zijn dat de lijst nog niet compleet is voor het gehele collegejaar.
Vakken collegejaar 2025/2026
Vakken collegejaar 2024/2025
Lopende projecten
POSEIDON
Improve offshore infrastructure resilience against geohazards towards a changing climate
POSEIDON, gefinancierd door de MSCA Doctoral Networks 2022, is een samenwerkingsproject dat een interdisciplinair team van experts uit de academische wereld en de industrie in de hele EU samenbrengt. Het heeft als doel een nieuwe generatie promovendi op te leiden via een uitgebreid programma dat geavanceerd onderzoek combineert met overdraagbare vaardigheden. Het project richt zich op het ontwikkelen en integreren van geavanceerde numerieke modellering en machine learning-tools om uitdagingen op het gebied van offshore geohazards en kritieke infrastructuur aan te pakken. POSEIDON bevordert samenwerking tussen sectoren om onderzoekers uit te rusten met de expertise die nodig is voor toekomstige vooruitgang in het vakgebied.
Role: daily supervisor of 3 PhD students (2024-present); co-applicant;Ā work package leader
FastSlip
Bridging Dynamic Fault Slip Multiphysics to All Relevant Scales of Induced Seismicity
Aardbevingen veroorzaken vaak schade aan gebouwen en infrastructuur en soms ook verlies van mensenlevens. GeĆÆnduceerde aardbevingen, veroorzaakt door menselijke activiteiten zoals gaswinning, zijn het gevolg van snelle verschuivingen op met poeder gevulde, reeds bestaande breuken in de ondergrond door een snelle afname van hun sterkte. De fysische mechanismen die bijdragen aan dit snelle falen blijven onduidelijk. In dit project voeren we experimenten uit op schalen variĆ«rend van een enkele rotskorrel tot miljoenen korrels, gecombineerd met computermodellen, om deze verzwakkingsmechanismen te onderzoeken. Onze resultaten zullen helpen om het risico van geĆÆnduceerde aardbevingen beter te begrijpen en in te schatten.
Role: supervisor of 1 Postdoc (2025-present); co-applicant
TUSAIL
Training in Upscaling particle Systems: Advancing Industry across Length-scales
Deeltjesmateriaal is alomtegenwoordig ā van zandkorrels op het strand en aerosolen in onze omgeving tot poeders in farmaceutische pillen en grondstoffen voor industriĆ«le processen. Numerieke modellen zijn essentieel om ons begrip van het gedrag van dit materiaal te vergroten. Er is echter altijd een afweging: voldoende detail behouden wanneer het model wordt opgeschaald van deeltjesniveau naar systeemniveau om de nauwkeurigheid te waarborgen, versus vereenvoudigen zodat de berekening uitvoerbaar blijft zonder de waarde van het resultaat te verminderen. Het door de EU gefinancierde TUSAIL-project leidt een nieuwe generatie onderzoekers op om innovatieve opschalingsmethodologieĆ«n te ontwikkelen en toe te passen, zodat een opgeschaald model de informatie behoudt die nodig is om het gedrag van het systeem vast te leggen. De uitkomsten zullen van onschatbare waarde zijn voor tal van industrieĆ«n en zullen de concurrentiepositie van de EU en de menselijke capaciteit aanzienlijk verbeteren.
Role: daily supervisor of 1 PhD at University of Twente (2022-present) and co-supervisor (2022-present) of 1 PhD at University of Edinburgh
UNSAT
U-Net segmentation of 3D micro-CT images of rooted soils using label data from multi-physics simulators
Dit project ontwikkelde een machine learning-model voor het segmenteren van micro-CT-beelden van begroeide grond, waarbij het toewijzen van labels voor grond, lucht, water en plantenwortels aan pixels in 3D-beelden wordt geautomatiseerd. Door de analyse van interacties tussen grond en vegetatie te vereenvoudigen, verbetert de tool het gebruik van rƶntgentomografie om de effecten van vegetatie op grondkenmerken te bestuderen. Het project bouwt voort op een bestaande handmatige beeldanalyse-pijplijn en biedt een geautomatiseerde oplossing die het verwerken van complexe gegevens vergemakkelijkt, vooral voor onderzoekers zonder uitgebreide kennis van beeldverwerking.
Role: supervisor of 1 Postdoc and 2 Research Software Engineer; co-applicant
Open Network on DEM Simulations (ON-DEM)
Open Network on DEM Simulations (ON-DEM)
Deeltjesgebaseerde simulaties, zoals die met de Discrete Element Method (DEM), worden breed toegepast in diverse disciplines om materialen zoals zand, granen en poeders te modelleren. Met de vele beschikbare DEM-softwarepakketten is het kiezen van een geschikt programma zelfs voor ervaren onderzoekers een uitdaging. Open-source programmaās bieden echter voordelen zoals toegankelijkheid, reproduceerbaarheid en transparantie, en vermijden de āblack boxā-beperkingen van commerciĆ«le software. Deze COST-actie heeft als doel de DEM-gemeenschap te verenigen door kennis te delen, best practices te bevorderen en trainingen en hulpmiddelen te bieden, waaronder simulatievoorbeelden, validatie-experimenten en data-analysetools. De actie richt zich op vijf themaās: het oplossen van grootschalige industriĆ«le problemen, het realistischer maken van complexe fysische fenomenen, verbeterde datavisualisatie, standaardisering van methoden en het vergroten van commerciĆ«le toepassingen van DEM.
Role: vice-lead of Working Group 1 "passing through time and space scales";Ā second proposer
Voltooide projecten
GrainLearning
An artificial brain for interpreting and accelerating physics-based simulations of granular materials
GrainLearning, gefinancierd door het Netherlands eScience Center, is een project gericht op het verbeteren van de "GrainLearning"-software voor het simuleren en analyseren van granulair materiaal. De software is gespecialiseerd in Bayesian onzekerheidskwantificatie, waarmee modelparameters uit data kunnen worden afgeleid. Een belangrijke innovatie is de integratie van machine learning-surrogaten met fysische modellen, wat zorgt voor snellere en efficiƫntere onzekerheidskwantificatie en optimalisatie. Deze aanpak richt zich op uitdagingen zoals het afleiden van constitutieve theorieƫn uit deeltjeschaalsimulaties en het integreren van real-world waarnemingen in numerieke modellen, met toepassingen variƫrend van geotechnische engineering tot deeltjestechnologie. Voor meer informatie, bezoek grainlearning.readthedocs.io.
Role: supervisor of 2 Research Software EngineersĀ (2022-2024);Ā main applicant
- In de rubriek 'Les in verbeelding' van U-Today bespreekt wetenschapsjournalist en illustrator Enith Vlooswijk hoe docenten beeldspraak gebruiken om complexe concepten over te brengen. In de aflevering 'Over dijken en zandkastelen' wordt het werk van Hongyang Cheng, universitair docent bij de ET-vakgroep Soil MicroMechanics, belicht.
https://www.utoday.nl/les-in-verbeelding/73108/over-dijken-en-zandkastelen
Adres
Universiteit Twente
Horst Complex
Postbus 217
7500 AE Enschede
Scan de QR-code of