Repositorio institucional

Física asistida por Redes Neuronales Artificiales

Mostrar el registro sencillo del ítem

dc.contributor John Alexander Franco;0000-0002-7679-2767 es_MX
dc.contributor.advisor Franco Villafañe, John Alexander es_MX
dc.contributor.author Plata Salas, Jose es_MX
dc.coverage.spatial México. San Luis Potosí. San Luis Potosí. es_MX
dc.creator José Plata Salas;CA1367091 es_MX
dc.date.accessioned 2023-11-09T20:14:51Z
dc.date.available 2023-11-09T20:14:51Z
dc.date.issued 2023-11-09
dc.identifier.uri https://repositorioinstitucional.uaslp.mx/xmlui/handle/i/8438
dc.description.abstract La presente tesis de maestría aborda tres aspectos fundamentales de la física moderna y explora cómo las redes neuronales artificiales pueden contribuir a su resolución. En primer lugar, se emplean técnicas de aprendizaje no supervisado para encontrar soluciones a ecuaciones diferenciales unidimensionales con condiciones de frontera preestablecidas. Específicamente, se investiga el comportamiento de flexión bajo compresión axial de una barra elástica. En segundo lugar, se aplican técnicas de aprendizaje supervisado para enseñar a una red neuronal a estimar los coeficientes de transporte de una partícula cuántica que se desplaza entre pozos y barreras. Esta aproximación supervisada permite obtener predicciones precisas sobre el transporte de la partícula. En tercer lugar, se intenta utilizar el aprendizaje supervisado para abordar el desafiante problema inverso de encontrar un Hamiltoniano correspondiente a un espectro de eigenvalores dado. Aunque se implementaron diversas estrategias supervisadas, los resultados obtenidos fueron limitados en este caso particular. En los dos primeros escenarios de estudio, se emplea el método de los elementos finitos como un mecanismo de validación para comparar los resultados obtenidos mediante el uso de redes neuronales artificiales. Sin embargo, en el último caso, debido a la complejidad del problema, se enfrentaron dificultades significativas para encontrar una solución satisfactoria utilizando el enfoque de aprendizaje supervisado. A través de la utilización de técnicas de aprendizaje supervisado y no supervisado, se logran avances significativos en la resolución de problemas de ecuaciones diferenciales, transporte de partículas cuánticas y el desafío del problema inverso. Estos resultados contribuyen al crecimiento y desarrollo de la física teórica y computacional. es_MX
dc.description.sponsorship Maestría en Física es_MX
dc.description.statementofresponsibility Estudiantes es_MX
dc.language Español es_MX
dc.publisher Facultad de Ciencias es_MX
dc.relation.ispartof REPOSITORIO NACIONAL CONACYT es_MX
dc.rights Acceso Abierto es_MX
dc.rights.uri http://creativecommons.org/licenses/by-nc-sa/4.0 es_MX
dc.subject Redes, neuronales, artificiales, física, asistida es_MX
dc.subject.other CIENCIAS FÍSICO MATEMATICAS Y CIENCIAS DE LA TIERRA es_MX
dc.title Física asistida por Redes Neuronales Artificiales es_MX
dc.type Tesis de maestría es_MX
dc.degree.name Maestría en Física es_MX
dc.degree.department Facultad de Ciencias es_MX


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Acceso Abierto Excepto si se señala otra cosa, la licencia del ítem se describe como Acceso Abierto

Buscar en el repositorio


Búsqueda avanzada

Listar

Mi cuenta