PINNs en Geometría Más General
<meta content=Aprende cómo las PINNs se adaptan a geometrías más generales, resolviendo problemas complejos con redes neuronales informadas por la física. Descubre su flexibilidad y aplicaciones.>
#numérica
Simulación de tren de transmisión utilizando autoencoders variacionales
Simulación de trenes de transmisión con autoencoders variacionales. Descubre cómo aplicar esta técnica de machine learning para optimizar diseños mecánicos.
Estudio comparativo del análisis de flexión utilizando redes neuronales informadas por la física y deflexión dinámica numérica en nanoviga perforada
<meta name=description content=Comparación de redes neuronales informadas por la física y métodos numéricos para predecir la deflexión dinámica en nanovigas perforadas. Un estudio innovador sobre flexión y comportamiento estructural a nanoescala.>
CFDLLMBench: Un conjunto de pruebas de referencia para evaluar modelos de lenguaje grandes en dinámica de fluidos computacional
CFDLLMBench es un benchmark para evaluar LLMs en dinámica de fluidos computacional. Mide precisión y capacidad de modelos de lenguaje en problemas de CFD.
Operador neuronal de fusión lineal-no lineal para ecuaciones diferenciales parciales
<meta name="description" content=Fusión Lineal-No Lineal en Operadores Neuronales para resolver Ecuaciones Diferenciales Parciales con mayor precisión y eficiencia.>
Resolviendo EDPs no lineales con Redes de Funciones de Base Radial Dispersas
Resuelve EDPs no lineales con redes RBF dispersas. Método eficiente y preciso para ecuaciones diferenciales parciales no lineales.
Resolviendo EDP no lineales con redes de funciones de base radial dispersas
<meta content=Descubre cómo resolver EDP no lineales con redes de base radial dispersas. Método eficiente y preciso para ecuaciones complejas.>
Los NaNs en PyTorch son asesinos silenciosos — así que construí un hook de 3 ms para capturarlos en la capa exacta.
<meta name=description content=Captura-NaNs-en-PyTorch-en-la-capa-exacta-con-hook-de-3ms>
GeoFunFlow-3D: Un marco de coincidencia de flujo generativo guiado por física para inferencia aerodinámica 3D de alta fidelidad sobre geometrías complejas
<meta name=description content=GeoFunFlow-3D ofrece inferencia aerodinámica 3D de alta fidelidad guiada por física en geometrías complejas, combinando precisión y eficiencia computacional.>
Modelado de estela dinámica multiescala de turbinas eólicas marinas flotantes mediante operadores neuronales de Fourier y redes neuronales informadas por la física
Estudio de estela dinámica multiescala en turbinas eólicas flotantes con inteligencia artificial para optimizar el rendimiento y reducir costos operativos.
Diseño generativo de un combustor de turbina de gas utilizando redes neuronales invertibles
Diseño generativo de combustores de turbina de gas mediante redes neuronales invertibles. Optimización avanzada para mejorar eficiencia y rendimiento.