Construiré redes neuronales informadas por la física y sustitutos matemáticos

Bienvenido a la ingeniería de aprendizaje automático con restricciones físicas de nivel élite.

La mayoría de los científicos de datos construyen modelos de caja negra sin restricciones que violan leyes de conservación, fallan cerca de límites cinemáticos y colapsan cuando se implementan en sistemas del mundo real. Yo combino la teoría matemática avanzada con la física real creando redes neuronales informadas por la física (PINNs) y sustitutos matemáticos ultra rápidos.

Lo que aporto a tu proyecto:

• IA informada por la física: Formulaciones personalizadas de funciones de pérdida que mapean PDEs, ODEs y restricciones cinemáticas reales (por ejemplo, dinámica de neumáticos Pacejka, capas límite aerodinámicas).
• Ejecución de alto rendimiento: Arquitecturas de entrenamiento en PyTorch diseñadas específicamente para predicciones de alta integridad.
• Implementación en hardware lista para el borde: Compilación y portación de sustitutos entrenados en bucles deterministas en C++ o Rust sin asignación de memoria, diseñados para microcontroladores (ESP32) y plataformas Jetson.

Ya sea que estés optimizando un sistema de control en ciclo cerrado, construyendo una simulación de gemelo digital o entrenando modelos para hardware crítico en seguridad, entregaré código de nivel de producción con pruebas de validación completas.

Por favor, envíame un mensaje con tus restricciones matemáticas y parámetros del conjunto de datos