Scientific machine learning en Julia: Resolviendo el operador de Laplace para flujo potencial

Durante los últimos años se han establecido diferentes técnicas computacionales y métodos numéricos con el objetivo de resolver problemas científicos complejos. Entre las diferentes técnicas computacionales se destaca el aprendizaje de máquina, o ML (Machine Learning, en inglés). Entre estas técnicas de inteligencia artificial se destaca el método de las PIINs (del inglés, Physics informed Neural Networks), el cual se basa en el uso de redes neuronales para solucionar problemas de física, actualmente se han realizado importantes avances en el tema usando la librería TensorFLow del lenguaje de programación Python. El objetivo de este documento es detallar tanto la metodología como los resultados obtenidos de la solución de la ecuación de Laplace para flujo potencial mediante el uso de redes neuronales. Este método fue utilizado con las herramientas open source del lenguaje de programación con Julia.

• Autores: Beltrán Hernández, Rafael José
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/59335
• Acceso en línea: http://hdl.handle.net/1992/59335
• Palabra clave: Machine Learning; Julia (Lenguaje de programación); Redes neuronales; Flujo potencial; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-sa/4.0/