Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Implementaré redes neuronales informadas por física (PINN) para PDEs y simulaciones
Desarrollador experto en IA local y automatización
Ayudo a las empresas a recuperar más de 20 horas a la semana con automatización de IA segura y local. Mis aplicaciones de escritorio personalizadas funcionan al 100% en tu máquina, asegurando que los ...
Acerca de este Servicio
¿Luchas por conectar las leyes físicas y el aprendizaje profundo? Las redes neuronales estándar a menudo ignoran la física subyacente. Ofrezco implementación experta de Redes Neuronales Informadas por Física (PINNs) para resolver problemas científicos y de ingeniería complejos.
Como programador técnico versátil, no solo escribo código, sino que también aseguro que tus modelos sean científicamente válidos y cumplan con la física.
Lo que puedo resolver:
- PDEs y ODEs: Ecuaciones de Navier-Stokes, Burgers, calor, onda y Schrödinger, etc.
- Problemas inversos: Identificación de parámetros físicos desconocidos a partir de datos de sensores ruidosos.
- Gemelos digitales: Modelos industriales de alta fidelidad basados en física.
- Aprendizaje de operadores: DeepONets y Fourier Neural Operators (FNO).
Pila tecnológica:
- Frameworks: DeepXDE, NVIDIA Modulus, NeuroDiffEq.
- Bibliotecas: PyTorch, JAX, TensorFlow, FEniCS.
¿Por qué elegir este gig?
Combino un profundo entendimiento matemático con la IA de última generación. Ya seas un investigador atascado en una simulación o una empresa que necesita un gemelo digital robusto, entrego soluciones verificadas y escalables.
NOTA: POR FAVOR ENVÍA UN MENSAJE antes de ordenar para discutir tu problema físico específico, PDEs y condiciones de frontera.
FAQ
Traducción automática
¿Puedes manejar PDEs personalizadas y no estándar?
Sí. Puedo implementar funciones de pérdida residual personalizadas para cualquier sistema matemático bien definido, incluyendo multi-físicas y ecuaciones acopladas.
¿Proporcionas los datos de entrenamiento o los proporciono yo?
Los PINNs suelen ser "sin datos" (usando puntos de colación), pero si tienes datos experimentales para problemas inversos, puedo integrarlos en el ciclo de entrenamiento.
¿Cuál es el framework más adecuado para mi proyecto?
Depende de la complejidad. Normalmente recomiendo DeepXDE para investigación y NVIDIA Modulus para simulaciones industriales a gran escala. Podemos discutir esto durante nuestra charla inicial.
¿Qué infraestructura utilizas para entrenar modelos físicos?
Utilizo clústeres de GPU en la nube de alto rendimiento (NVIDIA A100/H100) para entrenar, asegurando la máxima precisión y tiempos de entrega más rápidos para tus modelos físicos.
