Acoplamiento Robin-Neumann de PINN y FEM con contacto
Descubre cómo el acoplamiento Robin-Neumann de PINN y FEM optimiza la interacción fluido-estructura con contacto. Resultados sorprendentes.
#redes neuronales informadas por física
Cotas de error a posteriori para PINNs: inferiores y superiores
Descubre cómo obtener cotas de error inferiores y superiores a posteriori para PINNs en ecuaciones diferenciales. Certificación rigurosa.
Modelado PINN de transporte de contaminantes biodegradables en revestimientos compuestos
Descubre cómo las PINN con restricciones duras mejoran la precisión en el modelado de contaminantes biodegradables en revestimientos compuestos, reduciendo errores hasta un 97%.
LC-PINN: Redes neuronales con pérdida condicional para familias paramétricas de EDP
Descubre cómo LC-PINN entrena un único modelo que resuelve toda una familia de ecuaciones diferenciales paramétricas, sin datos generados por solver.
Acelerando la inversión de ondas con redes híbridas cuántico-clásicas
Acelera la inversión de ondas con redes híbridas cuántico-clásicas: errores más bajos en 8x menos iteraciones y menos parámetros.
naPINN: Redes Neuronales Adaptativas al Ruido para Recuperar Física
naPINN recupera leyes físicas de mediciones con ruido y outliers sin conocer la distribución del ruido. Ideal para datos corruptos.
MedGym: un benchmark continuo para tratamiento médico con RL
Descubre MedGym, un benchmark realista para evaluar algoritmos de RL en tratamientos médicos con tiempo continuo, personalización y seguridad.