<?xml version="1.0" encoding="UTF-8"?>
<xml>
<records>
<record>
  <contributors>
    <authors>
      <author>Pardos Cardiel, Javier</author>
      <author>Gutiérrez Rodrigo, Sergio</author>
      <author>Martín Moreno, Luis</author>
    </authors>
  </contributors>
  <titles>
    <title>Operadores matemáticos en Física simulados mediante inteligencia artificial</title>
    <secondary-title/>
  </titles>
  <doi/>
  <pages/>
  <volume/>
  <number/>
  <dates>
    <year>2022</year>
    <pub-dates>
      <date>2022</date>
    </pub-dates>
  </dates>
  <abstract>En este trabajo se utilizan redes neuronales para simular operadores matemáticos aplicados a la Física. El método implementado supone una herramienta novedosa que da muestra del potencial de la Inteligencia Artificial para abordar problemas que tienen un enfoque más abstracto y técnico que los que se suelen plantear. Este método conocido como DeepONet permite entrenar una red para que aprenda la actuación de un operador. Lo que se ha hecho en el trabajo ha sido entrenarla con funciones escogidas aleatoriamente para después aplicar los resultados a funciones conocidas de origen físico. De esta manera, se ha podido comprobar la validez de esta técnica a la vez que se han visto algunas de sus limitaciones.&lt;br /&gt;&lt;br /&gt;</abstract>
</record>

</records>
</xml>