Actualidad
Quantum Algorithm Engineer
Kipu Quantum
Algoritmos cuánticos y aprendizaje automático científico.
Antonio Ferrer-Sánchez
Física · Algoritmos cuánticos · Aprendizaje automático científico
Actualizado el 1 de noviembre de 2026
Experiencia
Actualidad
Estudiante de doctorado
Universitat de València · IDAL
Métodos de aprendizaje profundo para sistemas físicos regidos por ecuaciones diferenciales.
Febrero–marzo de 2026
Técnico superior de investigación
Universitat de València · Department of Electronic Engineering
Contrato temporal de investigación en la ETSE-UV.
2022–2025
Contrato predoctoral de investigación
Universitat de València
Investigación en métodos de aprendizaje profundo para resolver las ecuaciones que rigen los sistemas físicos y describir su evolución.
2020–2022
Artificial Intelligence Software Developer
Capgemini
Aprendizaje automático aplicado, detección de anomalías y visión por computador.
Formación
2021
Máster en Ciencia de Datos
Universitat de València
2019
Máster en Física Avanzada
Universitat de València
2018
Grado en Física
Universitat de València
Docencia
Docencia práctica en el grado en Ciencia de Datos de la Universitat de València.
Septiembre–diciembre de 2024
Big Data
Universitat de València
Enero–junio de 2024
Procesamiento del Lenguaje Natural
Universitat de València
Septiembre–diciembre de 2023
Big Data
Universitat de València
Becas y ayudas
2022–2024
Ayuda ValgrAI para personal investigador predoctoral
ValgrAI · Universitat de València
Ayuda predoctoral de la Valencian Graduate School and Research Network of Artificial Intelligence, desarrollada en el Departamento de Ingeniería Electrónica.
Patentes
2023
Solicitud de patente 24163901.2
Kipu Quantum
Coinventor; los derechos pertenecen a Kipu Quantum. Registrada en Alemania el 11 de agosto de 2023, con coinventores de la Universitat de València y Kipu Quantum.
Publicaciones y preprints seleccionados
Kerr Quasinormal Modes without Variable Separation: A Two-Dimensional Hyperboloidal Teukolsky Solver with Physics-Informed Neural Networks
Antonio Ferrer-Sánchez, Daniela D. Doneva, José D. Martín-Guerrero, Stoytcho S. Yazadjiev, Roberto Ruiz de Austri-Bazan, Yolanda Vives-Gilabert, José A. Font. arXiv:2608.19774, 2026. Preprint.
Calcula las frecuencias de oscilación de agujeros negros en rotación con redes neuronales informadas por la física. Un solver bidimensional mantiene la estructura radial y angular acoplada, sin separación de variables.
https://arxiv.org/abs/2608.19774
Physics-Informed Neural Networks for Maximizing Quantum Fisher Information in Time-Dependent Many-Body Systems
Antonio Ferrer-Sánchez, Yolanda Vives-Gilabert, Yue Ban, Xi Chen, José D. Martín-Guerrero. arXiv:2604.18506, 2026. Preprint.
Emplea redes neuronales informadas por la física para diseñar protocolos de control que aumentan la información de Fisher cuántica en sistemas de espines forzados. El trabajo relaciona la dinámica y el control cuánticos con una mayor sensibilidad en la estimación de parámetros.
https://arxiv.org/abs/2604.18506
Addressing the gravitational collapse of a massless scalar field with physics-informed neural networks
Antonio Ferrer-Sánchez, Nino Villanueva-Espinosa, Carlos Hernani-Morales, Roberto Ruiz de Austri-Bazan, José A Font, José David Martín-Guerrero, Matthew W Choptuik. Machine Learning: Science and Technology, 2026. Artículo de revista.
Compara arquitecturas neuronales para la dispersión y el colapso gravitatorio de un campo escalar, incluido el umbral de formación de agujeros negros. El estudio analiza cómo influyen el diseño de la red y el muestreo adaptativo en la precisión y la estabilidad.
https://doi.org/10.1088/2632-2153/ae5459
Trackformers: in search of transformer-based particle tracking for the high-luminosity LHC era
Sascha Caron, Nadezhda Dobreva, Antonio Ferrer Sánchez, José D. Martín-Guerrero, Uraz Odyurt, Roberto Ruiz de Austri Bazan, Zef Wolffs, Yue Zhao. The European Physical Journal C, 2025. Artículo de revista.
Compara métodos basados en transformers para asociar impactos en el detector con trayectorias de partículas en simulaciones del LHC de alta luminosidad. Evalúa la precisión de la reconstrucción y el coste computacional de los enfoques secuenciales y de una sola pasada.
https://doi.org/10.1140/epjc/s10052-025-14156-3
Gradient-annihilated PINNs for solving Riemann problems: Application to relativistic hydrodynamics
Antonio Ferrer-Sánchez, José D. Martín-Guerrero, Roberto Ruiz de Austri-Bazan, Alejandro Torres-Forné, José A. Font. Computer Methods in Applied Mechanics and Engineering, 2024. Artículo de revista.
Introduce una pérdida física ponderada que reduce la influencia de los gradientes abruptos al aprender soluciones discontinuas. Las pruebas con problemas de Riemann relativistas evalúan cómo captura el método los choques y otras discontinuidades del fluido.
https://doi.org/10.1016/j.cma.2024.116906
Physics-informed neural networks for an optimal counterdiabatic quantum computation
Antonio Ferrer-Sánchez, Carlos Flores-Garrigos, Carlos Hernani-Morales, José J Orquín-Marqués, Narendra N Hegade, Alejandro Gomez Cadavid, Iraitz Montalban, Enrique Solano, Yolanda Vives-Gilabert, José D Martín-Guerrero. Machine Learning: Science and Technology, 2024. Artículo de revista.
Aprende controles contradiabáticos a partir de restricciones físicas para suprimir transiciones no deseadas durante la computación cuántica. Un ejemplo molecular de dos cúbits muestra el diseño conjunto de los protocolos de control y de los potenciales de gauge adiabáticos.
https://doi.org/10.1088/2632-2153/ad450f
Prediction of the risk of cancer and the grade of dysplasia in leukoplakia lesions using deep learning
Antonio Ferrer-Sánchez, Jose Bagan, Joan Vila-Francés, Rafael Magdalena-Benedito, Leticia Bagan-Debon. Oral Oncology, 2022. Artículo de revista.
Investiga el aprendizaje profundo para estimar la transformación maligna y la displasia de alto riesgo a partir de fotografías de leucoplasia oral. El proceso combina la segmentación de la lesión, la clasificación y mapas de calor que ayudan a interpretar las predicciones.
https://doi.org/10.1016/j.oraloncology.2022.105967
Actividad científica
2026
Congreso Internacional Quantum Matter & Expo (QUANTUMatter 2026)
Maximizing quantum Fisher information with physics-informed neural networks. Contribución a congreso · Barcelona, España.
2024
Winter School on Quantum Machine Learning
Physics-informed neural networks for an optimal counterdiabatic quantum computation. Contribución a congreso · Trento, Italia.
2024
Quantum Control and Computing Conference
Physics-informed neural networks for an optimal counterdiabatic quantum computation. Comunicación oral · Berlín, Alemania.
2024
European AI for Fundamental Physics Conference
Gradient-annihilated PINNs for solving Riemann problems. Póster · Ámsterdam, Países Bajos.
2023
Granada Seminar
Gradient-annihilated PINNs for solving Riemann problems. Comunicación oral · En línea.
2023
Seminario web de la Universidad de Brown
Gradient-annihilated PINNs for solving Riemann problems. Comunicación oral · En línea.
Software público
PINNs for counterdiabatic driving
Código, datos, modelos entrenados y tutoriales en Jupyter para computación cuántica contradiabática con redes neuronales informadas por la física.
https://github.com/Netzuel/pinns-for-counterdiabatic-driving
ModPINN gravitational collapse
Redes neuronales informadas por la física para el colapso gravitatorio de un campo escalar con simetría esférica, con código de entrenamiento, modelos preentrenados, datos de referencia y tutoriales en Jupyter.
https://github.com/Netzuel/modpinn-gravitational-collapse
GA-PINNs
Redes neuronales informadas por la física con aniquilación de gradientes para problemas de Riemann en hidrodinámica relativista.
https://github.com/Netzuel/GA_PINNs_Repository
Adversarial Manuscript Review
Un flujo acotado de revisión y corrección de manuscritos con agentes nativos en Codex y Claude Code. Es una ayuda para la investigación, no un sustituto del criterio científico ni de la revisión por pares.
https://github.com/Netzuel/adversarial-manuscript-review