Vou construir redes neurais informadas por física e substitutos matemáticos

Bem-vindo à engenharia de aprendizado de máquina com restrições físicas de alto nível.

A maioria dos cientistas de dados constrói modelos de caixa preta sem restrições que violam leis de conservação, falham perto de limites cinemáticos e colapsam quando implantados em sistemas do mundo real. Eu faço a ponte entre a teoria matemática pesada e a física real, construindo Redes Neurais Informadas por Física (PINNs) robustas e substitutos matemáticos ultrarrápidos.

O que eu trago para o seu projeto:

• IA Informada por Física: Formulações de funções de perda personalizadas que mapeiam PDEs, ODEs e restrições cinemáticas reais (por exemplo, dinâmica de pneus Pacejka, camadas limites aerodinâmicas).
• Execução de Alto Desempenho: Arquiteturas de treinamento em PyTorch feitas sob medida para previsões de alta integridade.
• Implantação em Hardware Pronto para Edge: Compilando e portando substitutos treinados em loops determinísticos de C++ ou Rust, sem alocação de memória, feitos para microcontroladores (ESP32) e plataformas Jetson.

Seja otimizando um sistema de controle em malha fechada, construindo uma simulação de gêmeo digital ou treinando modelos para hardware crítico para segurança, entregarei código de nível de produção com testes de validação completos.

Por favor, envie uma mensagem com suas restrições matemáticas e parâmetros do dataset