Práctica sobre soluciones con ecuaciones diferenciales mediante técnicas de deep learning

Changed on 22/11/2022

Inria, el instituto francés de investigación en ciencias digitales, promueve la excelencia científica y la transferencia de tecnología para maximizar su impacto al enfrentar los desafíos de la informática y las matemáticas, a menudo en la interfaz de otras disciplinas y aplicadas a la astronomía, la ecología marina, la agricultura inteligente, el medio ambiente, el clima, entre otras.

Si te apasiona el conocimiento tecnológico-científico y buscas contribuir al desarrollo de proyectos de alto impacto esta oportunidad en Inria Chile es para ti: 

¿Por qué ser parte de nuestro equipo Inria Chile?

  • Somos una organización que promueve el aprendizaje constante.
  • Valoramos la diversidad y la inclusión.
  • Hacemos hincapié en un equilibrio saludable entre vida y trabajo.
  • Somos colaborativos y transparentes.
  • Somos amigables.
  • Inria Chile se enorgullece de ser un empleador que ofrece plena igualdad de oportunidades.

¿Qué buscamos?

Buscamos para esta práctica, que el estudiante conozca y aplique una técnica reciente, conocida como Physics-Informed Neural Networks (PINNs), la cual es ocupada para encontrar soluciones aproximadas de problemas directos e inversos en ecuaciones diferenciales parciales (EDPs), mediante el uso de redes neuronales, que son entrenadas mediante los datos y mediante el modelo físico, el cual típicamente es una EDP.

Con esta técnica esperamos conocer la evolución de un fenómeno y determinar alguna propiedad intrínseca de éste, el cual son problemas interesantes en ciencias aplicadas,. Ambos tipos de problemas tienen aplicaciones que pueden ayudar a prevenir accidentes, desastres o enfermedades. Muchas veces, en la práctica, el poder determinar soluciones a estos problemas se enfrenta a un régimen de datos que van entre las pequeñas cantidades hasta una cantidad moderada.

Recientemente, en ciencia de datos, se han adoptado métodos que incorporan modelos físicos para sobrellevar la falta de datos. En particular,  técnicas de machine learning han sido desarrolladas para aproximar tanto soluciones de ecuaciones diferenciales, como la determinación de parámetros de dichas ecuaciones, lo cual se sitúa en el área de Scientific Machine Learning.

 

El estudiante aprenderá y practicará los pasos básicos de la aplicación de PINNs:

  • simulará una o más EDPs mediante algún método tradicional para generar datos,
  • aprenderá y/o pondrá en práctica la librerá Pytorch de Python para resolver problemas directos e inversos, usando los datos generados,
  • evaluará la eficiencia del método y aprenderá sobre la configuración de hiper-parámetros para mejorarla.
  • Al final de la práctica, el estudiante entregará un informe y presentará su trabajo al equipo científico de Inria.

 

PERFIL DEL ESTUDIANTE:

  • Áreas de interés: ciencia de datos, scientific computing, scientific machine learning, matemáticas numéricas.
  • Carrera: matemáticas aplicadas, física, ciencia de datos, computación.

 

CONOCIMIENTOS TÉCNICOS:

  • Cálculo multivariable y ecuaciones diferenciales.
  • Simulación de ecuaciones diferenciales parciales (deseable).
  • Programación en Python.
  • Conocimientos básicos de redes neuronales.
  • Ciencia de datos.

¿Qué ofrecemos?

  • Distribución de horas de prácticas entre diciembre 2022 y marzo 2023, según lo requerido por tu universidad.
  • Modalidad: flexible
  • Ubicación: oficinas Inria Chile, Avda. Apoquindo 2827, piso 12, Las Condes, Santiago (metro Tobalaba).
  • Se entregará una compensación por concepto de colación y movilización de $350.000 pesos brutos.

¿Cómo postular?

Escríbenos una carta de motivación contándonos sobre tus habilidades e intereses, queremos conocerte, además indicanos:

  • ¿Por qué quieres ser parte de nuestro equipo?
  • ¿En qué fecha podrías comenzar tu práctica?
  • ¿Cuántos meses puedes colaborar con nosotros?
  • ¿Cuántas horas de prácticas debes realizar?

Contesta a este formulario y sube tu carta de motivación junto a tu CV.

Recibiremos postulaciones hasta el 27 de Noviembre del 2022.