Svilupperò reti neurali informate dalla fisica e modelli ML scientifici


Informazioni su questo servizio
Traduzione automatica.
Sviluppo modelli di machine learning basati su principi fisici e rigore scientifico, non approcci black-box applicati ciecamente ai dati.
Il mio background: tesi di laurea in Physics-Informed Neural Networks (PINNs) per la ricostruzione di immagini a contrasto di fase X-ray all'Universidad de los Andes, e esperienza di ricerca in quantum machine learning alla Purdue University (programma SURF), dove ho sviluppato un sistema ibrido classico-quantistico per risolvere equazioni differenziali applicate alla modellazione della rete elettrica.
Cosa costruisco:
- Physics-Informed Neural Networks (PINNs) per PDE e sistemi fisici
- Modelli ML ibridi classico-quantistici
- Pipeline di analisi e processamento di dati scientifici
- Sviluppo di modelli con PyTorch e TensorFlow
- Metodi numerici e pipeline di simulazione
- Regressione, classificazione e rilevamento di anomalie per dataset scientifici
Cosa include ogni consegna:
- Codice Python pulito e documentato
- Pipeline di training con risultati riproducibili
- Metriche di validazione e analisi delle performance
- README con istruzioni di setup, utilizzo e modifica
Client ideali: Ricercatori, ingegneri e aziende che lavorano con sistemi fisici, dati di simulazione, dati di sensori o qualsiasi dominio in cui la fisica o la struttura sottostante sono rilevanti
Scopri di più su Sebastian H
Automation and Machine Learning Engineer
- DaColombia
- Membro damag 2026
- Tempo di risposta medio1 ora
Lingue
Spagnolo, Inglese
Traduzione automatica.
Il mio portfolio
Altri servizi della categoria Sviluppo AI offerti da me
FAQ
Traduzione automatica.
Cos'è una Physics-Informed Neural Network (PINN)?
Una PINN è una rete neurale che incorpora leggi fisiche (equazioni differenziali, leggi di conservazione, condizioni al contorno) direttamente nella funzione di perdita durante l'addestramento. Questo permette previsioni accurate anche con dati limitati, perché il modello è vincolato a essere fisicamente coerente.
Devo fornire dati di formazione?
Dipende dall'approccio. Le PINN possono funzionare con pochi dati etichettati sfruttando le equazioni fisiche note. Per modelli puramente basati sui dati, è necessario un dataset. Descrivi la tua situazione quando mi scrivi e ti consiglierò l'approccio più adatto.
Puoi aiutare con problemi fuori dalla fisica, biologia, finanza, ingegneria?
Sì, purché ci sia una qualche struttura sottostante o equazioni che possano informare il modello. Scrivimi con i dettagli.
Riceverò il codice sorgente?
Sì. Tutti i deliverable includono codice Python pulito e documentato che puoi eseguire, modificare e ampliare.

