Reducción de orden en sistemas dinámicos usando machine learning
Coordinador Académico | Andrés Gómez Tato, Responsable de Aplicaciones y Proyectos en el CESGA.
Coordinador Empresarial | Ángel Rivero Jimenez, Científico Senior en Centro de Tecnología Repsol.
Especialista | Pablo Solano López, Estudiante de doctorado, Departamento de Física Aplicada (UPM)
Descripción | Se trata de una aproximación general en el que se desea reducir los grados de libertad del problema (una EDP o sistema de EDPs no lineales conocida) mediante redes neuronales (tipo autoencoder o boltzmann machines).
Esencialmente es un método de reduccion de orden usando machine learning y en problemas canónicos 1D (con intención de extensión a 2D y 3D) de medios continuos y dinamica conocida gobernada por EDPs no lineales (Burgers, Kuramoto-Shivasinskii, Cahn Hilliard o KdV).
Alcance | Machine learning
