Resumen. En los últimos años, el desarrollo de métodos basados en el aprendizaje automático como nuevas herramientas para analizar datos y modelos físicos se ha incrementado sustancialmente. Entre los métodos que se han desarrollado, existe uno que permite obtener la solución de sistemas diferenciales sin requerir el uso de los métodos numéricos tradicionales. Una de las principales ventajas del método, es que se pueden obtener soluciones para cualquier valor de los parámetros del sistema diferencial. Esto resulta en una reducción significativa de los tiempos computacionales de los análisis estadísticos. El grupo de trabajo conformado por especialistas en machine learning y cosmología, ha aplicado recientemente este método al escenario cosmológico. Se obtuvieron las soluciones de la dinámica de fondo de 4 modelos cosmológicos diferentes. También se aplicó el método a la ecuación que describe la formación de estructuras como galaxias y cúmulos de galaxias utilizando este método. La propuesta de trabajo para el/la estudiante consiste en calcular el error de la solución obtenida con el método de las redes neuronales de esta última aplicación (ecuación de perturbaciones de la materia.)
Palabras clave. cosmología, redes neuronales, métodos no supervisados, cadenas de Markov
Conocimientos deseables. Conocimientos básicos de python, libreria torch, manejo del idioma inglés
¿Qué podría aprender quien realice esta tesis? – El estudiante aprenderá a utilizar la librería Neurodiffeq, donde se ha implementado este método que permite resolver sistemas de ecuaciones diferenciales y también integrales. Esta librería ha sido desarrollada por el grupo del Prof. Pavlos Protopapas (co-director de la tesis). A su vez, participará del desarrollo de la librería, en lo que concierne al cálculo del error de las soluciones provistas por el método de las redes neuronales.
Dirección de la tesis
Landau, Susana
Instituto de Física de Buenos Aires
Contacto: landausu@gmail.com
Descargar PDF
Estudios de modelos cosmológicos alternativos con redes neuronales artificiales