Ontologías, aprendizaje profundo en grafos e inteligencia artificial en ciencias de los materiales

Resumen

Explora las ontologías, el aprendizaje profundo en grafos y la inteligencia artificial en la ciencia de materiales, enfocándose en la fabricación avanzada y la ciencia de sincrotrón. Aprende sobre enfoques innovadores para el análisis multimodal y la toma de decisiones.

Programa de estudio

• Introducción a las Ontologías en Ciencia de Materiales
Definiciones y aplicaciones de las ontologías
Rol en la organización y clasificación de datos
Construcción y uso de ontologías en ciencia de materiales
• Fundamentos de la Teoría de Grafos
Conceptos de nodos, aristas y estructuras de datos basadas en grafos
Algoritmos clave y sus aplicaciones en datos de materiales
• Técnicas de Aprendizaje Profundo en Grafos
Introducción a las redes neuronales de grafos (GNN)
Variantes de GNN: GCN, GAT, GraphSAGE
Aprendizaje supervisado y no supervisado con grafos
• Aplicaciones de IA en Ciencia de Materiales
Descubrimiento impulsado por IA de nuevos materiales
Enfoques de IA multimodal para la investigación basada en sincrotrones
Estudios de caso en manufactura avanzada
• Análisis Multimodal en Ciencia de Materiales
Integración de múltiples fuentes de datos (por ejemplo, texto, imágenes, espectros)
Técnicas para la fusión de datos y alineación de representaciones
Toma de decisiones basada en IA en sistemas complejos
• Ciencia de Sincrotrones e IA
Visión general de las instalaciones de sincrotrones y su papel en el análisis de materiales
Métodos de IA para la interpretación de datos de sincrotrones
Mejora de la resolución y precisión con técnicas de IA
• Manufactura Avanzada e IA
Sistemas de manufactura inteligente y mantenimiento predictivo
Uso de IA en la optimización de procesos y control de calidad
Gemelos digitales y diseño impulsado por simulación con IA
• Implementación Práctica y Herramientas
Software y herramientas para el desarrollo de ontologías
Marcos de aprendizaje profundo en grafos (por ejemplo, PyTorch Geometric, DGL)
Estudios de caso y trabajo de proyectos
• Implicaciones Éticas y Sociales
Impacto de la IA y la automatización en la industria de materiales
Consideraciones éticas y sostenibilidad en aplicaciones de IA
• Direcciones Futuras e Innovaciones
Tendencias emergentes en IA y ciencia de materiales
Áreas de investigación y aplicaciones potenciales
• Proyecto Final y Evaluación
Diseño, desarrollo y presentación de una aplicación relevante de IA en ciencia de materiales
Evaluación basada en innovación, implementación técnica e impacto práctico

Asignaturas

Ciencia de Datos