Grupos de Investigación
Mostrar:
Grupos de investigación por centros
Grupos de investigación por Ámbito
Grupos de investigación por Área AEI
Grupos de investigación por referencia
Búsqueda:
970971 - DSYSD - DINÁMICA DE SISTEMAS DESORDENADOS
Centro: | F. CIENCIAS FISICAS |
Ámbito - Área AEI: | ÁREA DE EXPERIMENTALES - FÍSICA Y CIENCIAS DEL ESPACIO |
Valoración : | BUENO (87.00) |
Acrónimo - E_Mail: | DSYSD - adecelle@ucm.es |
Director/es: | DECELLE , AURELIEN FABRICE ; FERNANDEZ PEREZ, LUIS ANTONIO |
Miembros: | CATANIA , GIOVANNI ; GONZALEZ-ADALID PEMARTIN, ISIDORO ; MARTIN MAYOR, VICTOR ; MUÑOZ SUDUPE, ANTONIO ; NAVAS GOMEZ, ALFONSO DE JESUS ; ROSSET , LORENZO ; SEOANE BARTOLOME, BEATRIZ |
Descripción: | El grupo "Dinámica de sistemas desordenados" se centra en la
investigación de diferentes sistemas complejos, en particular, aquellos
caracterizados por estar fuertemente desordenados y tener una dinámica
extremadamente lenta, como es el caso de los vidrios estructurales, los
vidrios de espín, las proteínas o los problemas de inferencia o aprendizaje
de redes neuronales en ciencias de la computación. Su enfoque y sus métodos
están siempre en la frontera entre la física estadística y
computacional. En este sentido, están tanto interesados en conocer las
propiedades físicas de estos sistemas (propiedades dinámicas, diagrama
de fase, etc.), como en el desarrollo de nuevas técnicas computacionales
y algoritmos para acelerar las simulaciones de estos materiales o la
resolución de problemas de optimización. Relacionado con este último
punto, el grupo tiene una notable experiencia en la construcción y
explotación de ordenadores dedicados en física (como por ejemplo los
supercomputadores Janus y Janus II). |
Líneas de investigación: | Estudio de las propiedades físicas de diferentes tipos de sistemas desordenados: vidrios (estructurales y magnéticos), proteínas intrínsecamente desordenadas y problemas de inferencia y aprendizaje en Ciencias de la Computación.; Estudio de las propiedades dinámicas de aprendizaje y de los diagramas de fase de modelos de Machine Learning.; Aplicación de técnicas y conceptos heredados de la física estadística de sistemas desordenados a problemas de optimización en Física, Biología e Inteligencia Artificial, incluyendo el desarrollo y explotación de máquinas dedicadas.; Quantum annealing, con énfasis en la comparación de la complejidad computacional sobre ordenadores clásicos y cuánticos. |
Palabras clave: | Sistemas desordenados; Física computacional; Biología computacional; Machine learning; Teoría estadística de campos; Dinámica fuera del equilibrio; Mecánica estadística; Computación Cuantica y Quantum Annealing; Métodos de Monte Carlo |