000125097 001__ 125097 000125097 005__ 20230322092645.0 000125097 037__ $$aTAZ-TFG-2022-3429 000125097 041__ $$aspa 000125097 1001_ $$aColominas Villalba, Javier 000125097 24200 $$aModelization of thermal systems in cryogenic experiments by use of Neural Networks 000125097 24500 $$aModelización de sistemas térmicos en experimentos criogénicos usando redes neuronales 000125097 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2022 000125097 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000125097 520__ $$aEn este Trabajo de Fin de Grado, se modeliza un refrigerador de dilución con una ecuación integro-diferencial de evolución, simulando el control PID de la temperatura. A continuación, se plantea un modelo de "transfer learning", entrenando una red neuronal con datos tanto reales como provenientes de las simulaciones para predecir el comportamiento del sistema en función de los valores de los parámetros del PID. Por último, se implementa un descenso de gradiente en el modelo integro-diferencial para hallar, dadas las temperaturas inicial y de referencia, los valores de los parámetros del PID que permiten que el refrigerador se estabilice en la temperatura de referencia en el menor tiempo posible, partiendo de la temperatura inicial.<br /><br /><br /> 000125097 521__ $$aGraduado en Física 000125097 540__ $$aDerechos regulados por licencia Creative Commons 000125097 700__ $$aPobes Aranda, Carlos$$edir. 000125097 700__ $$aGutiérrez Rodrigo, Sergio$$edir. 000125097 7102_ $$aUniversidad de Zaragoza$$bFísica de la Materia Condensada$$cFísica de la Materia Condensada 000125097 8560_ $$f779382@unizar.es 000125097 8564_ $$s720566$$uhttps://zaguan.unizar.es/record/125097/files/TAZ-TFG-2022-3429.pdf$$yMemoria (spa) 000125097 909CO $$ooai:zaguan.unizar.es:125097$$pdriver$$ptrabajos-fin-grado 000125097 950__ $$a 000125097 951__ $$adeposita:2023-03-21 000125097 980__ $$aTAZ$$bTFG$$cCIEN 000125097 999__ $$a20220912132134.CREATION_DATE