La tesis doctoral del investigador postdoctoral de BCAM, Carlos Uriarte, recibe tres premios

• La tesis del investigador, titulada “Solving Partial Differential Equations using Artificial Neural Networks”, ha sido seleccionada como la mejor tanto para los premios ECCOMAS como para los galardones que conceden anualmente SEMNI (Sociedad Española de Métodos Numéricos en Ingeniería) y SEMA (Sociedad Española de Matemática Aplicada).
• Defendida el 23 de febrero de 2024 en la Facultad de Informática de la UPV/EHU en Leioa, la tesis obtuvo además la mención internacional de doctorado y la máxima calificación posible (“sobresaliente cum laude”) en la Facultad de Informática de la UPV/EHU en Leioa.

Carlos Uriarte, investigador postdoctoral (Diseño Matemático, Modelización y Simulaciones) en BCAM, ha sido galardonado con tres premios. Su tesis ha sido considerada la mejor tanto para los premios ECCOMAS como para los que conceden anualmente SEMNI (Sociedad Española de Métodos Numéricos en Ingeniería) y SEMA (Sociedad Española de Matemática Aplicada).

La tesis doctoral de Uriarte, titulada “Solving Partial Differential Equations using Artificial Neural Networks” y dirigida por el Prof. David Pardo (BCAM) y la Prof. Elisabete Alberdi (UPV/EHU), fue defendida el 23 de febrero de 2024 en la Facultad de Informática de la UPV/EHU en Leioa y recibió la mención internacional de doctorado y la máxima calificación posible (“sobresaliente cum laude”).

Este trabajo explora el uso de redes neuronales para resolver ecuaciones en derivadas parciales (EDP). Aunque los métodos numéricos tradicionales, como los métodos de diferencias finitas o de elementos finitos, han demostrado ser eficaces, presentan dificultades en problemas de alta dimensión. En este contexto, el uso de redes neuronales puede ofrecer una solución eficaz. En su tesis, Carlos Uriarte realiza tres contribuciones principales:

• Deep Finite Element Method (Deep FEM): un enfoque novedoso inspirado en el método de los elementos finitos, en el que la arquitectura de la red neuronal imita la conectividad de mallas refinadas para resolver problemas paramétricos.

• Deep Double Ritz Method (D2RM): un esquema de minimización del residuo que emplea dos redes neuronales para aproximar soluciones con una mayor estabilidad numérica.

• Integración Monte Carlo basada en memoria: una estrategia que mejora la precisión de la integración sin aumentar de forma significativa el coste computacional.

La tesis no solo propone nuevas metodologías, sino que también establece una sólida base matemática para futuras investigaciones en la intersección entre redes neuronales y computación científica.

Los premios ECCOMAS, SEMA y SEMNI reconocen no solo la excelencia académica de la investigación de Uriarte, sino también su potencial impacto en el desarrollo de métodos computacionales avanzados para resolver problemas complejos en ingeniería y ciencias aplicadas.

«Comencé mi investigación en el campo de las redes neuronales artificiales para resolver ecuaciones en derivadas parciales con cierto escepticismo. Sin el apoyo de mis directores y compañeros de investigación, creo que nada de esto habría sido posible. Este premio también les pertenece a todos ellos», afirma Uriarte.

Desde BCAM, felicitamos a Carlos por este impresionante logro y reconocemos su excepcional dedicación y talento. Zorionak, Carlos!