Desarrollaré redes neuronales informadas por la física y modelos científicos de ML


Acerca de este Servicio
Traducción automática
Desarrollo modelos de aprendizaje automático basados en principios físicos y rigor científico, no enfoques de caja negra aplicados ciegamente a los datos.
Mi formación: tesis de licenciatura en Redes Neuronales Informadas por la Física (PINNs) para reconstrucción de imágenes por contraste de fase de rayos X en la Universidad de los Andes, y experiencia en investigación en aprendizaje automático cuántico en la Universidad de Purdue (programa SURF), donde desarrollé un sistema híbrido clásico-cuántico para resolver ecuaciones diferenciales aplicadas a la modelación de redes eléctricas.
Lo que construyo:
- Redes neuronales informadas por la física (PINNs) para PDEs y sistemas físicos
- Modelos híbridos de ML clásico-cuántico
- Procesamiento y análisis de datos científicos
- Desarrollo de modelos en PyTorch y TensorFlow
- Métodos numéricos y pipelines de simulación
- Regresión, clasificación y detección de anomalías para conjuntos de datos científicos
Lo que incluye cada entrega:
- Código Python limpio y documentado
- Pipeline de entrenamiento con resultados reproducibles
- Métricas de validación y análisis de rendimiento
- README con instrucciones de configuración, uso y modificación
Clientes ideales: Investigadores, ingenieros y empresas que trabajan con sistemas físicos, datos de simulación, datos de sensores o cualquier dominio donde la física o estructura subyacente de la
Conoce a Sebastian H
Automation and Machine Learning Engineer
- DeColombia
- Miembro desdemay 2026
- Responde aprox. en:1 hora
Idiomas
Español, Inglés
Traducción automática
Mi porfolio
Otros servicios de Desarrollo de IA que ofrezco
FAQ
Traducción automática
¿Qué es una red neuronal informada por la física (PINN)?
Una PINN es una red neuronal que incorpora leyes físicas (ecuaciones diferenciales, leyes de conservación, condiciones de frontera) directamente en la función de pérdida durante el entrenamiento. Esto permite predicciones precisas incluso con datos limitados, porque el modelo está restringido a ser físicamente coherente.
¿Necesito proporcionar datos de entrenamiento?
Depende del enfoque. Las PINNs pueden trabajar con datos etiquetados mínimos aprovechando las ecuaciones físicas conocidas. Para modelos puramente basados en datos, se requiere un conjunto de datos. Describe tu situación cuando me envíes un mensaje y te recomendaré el enfoque adecuado.
¿Puedes ayudar con problemas fuera de física, biología, finanzas o ingeniería?
Sí, siempre que exista alguna estructura subyacente o ecuaciones que puedan informar el modelo. Envíame los detalles por mensaje.
¿Recibiré el código fuente?
Sí. Todas las entregas incluyen código Python limpio y documentado que puedes ejecutar, modificar y ampliar.

