Leyes físicas.
Algoritmos de aprendizaje.

Aprendizaje automático científico

Aprender con las ecuaciones

De la entrada: Aprendizaje automático informado por la física: de las leyes físicas a los solvers neuronales

Las redes neuronales informadas por la física incorporan al problema de aprendizaje las ecuaciones que rigen el sistema. Mi investigación estudia estos métodos para ecuaciones diferenciales, incluidos sistemas con transiciones abruptas y dinámicas acopladas.

Las aplicaciones van desde la dinámica de fluidos relativista hasta el colapso gravitatorio y el control cuántico. Mi trabajo en aprendizaje automático incluye también el seguimiento de partículas con transformers y el aprendizaje profundo para imagen médica.

Dinámica y control cuánticos

Aprender cómo evolucionan los sistemas

De la entrada: De resolver ecuaciones a controlar sistemas cuánticos

Estudio enfoques neuronales para el control contradiabático: estrategias de control pensadas para suprimir las transiciones no deseadas durante la evolución cuántica.

Este trabajo relaciona la computación y la metrología cuánticas, e incluye la optimización de la información de Fisher cuántica en sistemas de muchos cuerpos dependientes del tiempo.

Física relativista

Métodos neuronales para sistemas extremos

De la entrada: Fluidos relativistas: enseñar a una red neuronal a seguir los choques

Aplico el aprendizaje informado por la física a la hidrodinámica relativista y a sistemas gravitatorios. Estos problemas ponen a prueba cómo tratan los métodos neuronales las discontinuidades, la dinámica no lineal y los problemas de autovalores.

Los trabajos recientes estudian el colapso de un campo escalar sin masa y los modos cuasinormales de Kerr. La investigación de Kerr emplea una formulación bidimensional que conserva acoplada la estructura radial y angular.