Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
Autor/es: Rim, Daniela Noemí;
Director/a: Moyano, Luis G.
Co-director/a: Millán, Emmanuel N.
Integrante del jurado: Ruestes, Carlos J.; Monge, David A.
Tipo de tesis: Tesina de grado
Título al que opta: Licenciado en Ciencias Básicas con Orientación en Física
Carrera / Programa: Licenciatura en Ciencias Básicas con Orientación en Física
Unidad Académica / Dependencia: Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales
Institución otorgante: Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales
Año de realización / defensa: 2018
Cantidad de páginas: 143 p.
Idioma: Español
Resumen en Español:
En este seminario, se presenta un método computacional para obtener información sobre el desenlace de simulaciones de colisiones de granos porosos antes de que las mismas finalicen, permitiendo ahorrar así tiempo de simulación. Para este fin, se desarrolló un sistema de aprendizaje automático, en el cual los algoritmos de aprendizaje supervisado "aprenden" a categorizar cada partícula constituyente del sistema colisionante según a cuál fragmento pertenezcan luego de producirse la colisión. Con la metodología aquí propuesta se logra predecir el desenlace de 35 simulaciones de distintos parámetros generales y tamaños (con un 95% de aciertos en cada una) ahorrando un 73.3% del tiempo total que tomaría ejecutarlas hasta el tiempo de finalización.
Disciplinas
Palabras claves
Este contenido se encuentra
publicado en
políticas de Acceso Abierto, bajo licencias
Creative Commons 3.0 - Algunos Derechos
Reservados
