Physics-Informed Machine Learning para dinámica de fluidos computacional

En este trabajo se llevó a cabo una exploración del método de Physics-Informed Neural Networks (PINNs) y su aplicación en la dinámica de fluidos computacional. Para establecer una base de comparación con PINNs, se realizó un estudio detallado del método de diferencias finitas como técnica tradiciona...

Full description

Autores:

Correa Castrillón, Ana María

Tipo de recurso:

Trabajo de grado de pregrado

Fecha de publicación:

2025

Institución:

Universidad de Antioquia

Repositorio:

Repositorio UdeA

Idioma:

spa

OAI Identifier:

oai:bibliotecadigital.udea.edu.co:10495/45780

Acceso en línea:

https://hdl.handle.net/10495/45780

Palabra clave:

Dinámica de fluidos computacional
Computational fluid dynamics
Diferencias finitas
Finite differences
Redes neuronales (Computadores)
Neural networks (Computer science)
Ecuación de Burgers
Burgers equation
Ecuaciones de Navier-Stokes
Navier-Stokes equations
Aprendizaje automático
Machine learning
http://aims.fao.org/aos/agrovoc/c_49834
http://id.loc.gov/authorities/subjects/sh2007008173
http://id.loc.gov/authorities/subjects/sh85048348
http://id.loc.gov/authorities/subjects/sh90001937
http://id.loc.gov/authorities/subjects/sh85018060
http://id.loc.gov/authorities/subjects/sh85090420

Rights

openAccess

License

http://creativecommons.org/licenses/by-nc-sa/4.0/