Investigación

En LBMNet, nuestra investigación se centra en el desarrollo de la próxima generación de arquitecturas de inteligencia artificial inspiradas en la física. Combinamos los principios matemáticos del Método de Boltzmann en Red (Lattice Boltzmann Method, LBM) con técnicas modernas de aprendizaje profundo para desarrollar redes neuronales eficientes, precisas e interpretables destinadas a la computación científica y a aplicaciones reales de inteligencia artificial. Nuestro objetivo es tender un puente entre la física computacional y la inteligencia artificial mediante el diseño de arquitecturas que aprendan a partir de principios físicos, en lugar de depender exclusivamente de operaciones convolucionales convencionales.

• Aprendizaje Profundo Inspirado en la Física
  
• Redes Neuronales Basadas en el Método de Boltzmann en Red (LBMNet)
  
• Visión por Computadora
  
• Análisis de Imágenes Médicas
  
• Restauración e Inpainting de Imágenes
  
• Segmentación de Imágenes
  
• Superresolución de Imágenes
  
• Colorización de Imágenes
  
• Detección de Objetos
  
• Reconocimiento Facial
  
• Reconocimiento de Patrones
  
• Aprendizaje Automático Científico (SciML)
  
• Ecuaciones en Derivadas Parciales (EDP)
  
• Inteligencia Artificial Inspirada en la Dinámica de Fluidos
  
• Imagen Médica
  
• Inteligencia Artificial para la Salud
  
• Inteligencia Artificial Explicable y Eficiente

Creemos que los sistemas de inteligencia artificial del futuro no solo deben alcanzar un alto rendimiento, sino también incorporar el conocimiento científico en su diseño. LBMNet tiene como objetivo establecer una nueva familia de arquitecturas neuronales inspiradas en la dinámica del Método de Boltzmann en Red (Lattice Boltzmann Method, LBM), ofreciendo una mayor eficiencia, robustez e interpretabilidad física para una amplia variedad de tareas de visión por computadora y computación científica.

Nuestra investigación actual explora nuevas arquitecturas LBMNet para:

• Restauración e Inpainting de Imágenes
• Segmentación de Imágenes Médicas
• Eliminación de Ruido en Imágenes por Resonancia Magnética (MRI)
• Superresolución de Imágenes
• Detección de Objetos
• Clasificación de Imágenes
• Reconocimiento Facial
• Colorización de Imágenes
• Simulación Científica
• Aprendizaje y Resolución de Ecuaciones en Derivadas Parciales (EDP

Actualmente, varios proyectos de investigación se encuentran en desarrollo y serán publicados en revistas científicas y conferencias internacionales a medida que estén disponibles.

LBMNet es una iniciativa de investigación activa. Damos la bienvenida a colaboraciones con universidades, laboratorios de investigación, socios industriales y estudiantes interesados en la inteligencia artificial basada en principios físicos, la visión por computadora, la imagen médica y el aprendizaje automático científico. Juntos, buscamos impulsar el futuro de los sistemas inteligentes mediante arquitecturas neuronales innovadoras con sólidos fundamentos matemáticos.