Las Ecuaciones en Derivadas Parciales (EDPs) constituyen la base fundamental del modelado matemático en mecánica y en las ciencias naturales, impulsando avances en análisis, métodos numéricos y matemáticas aplicadas. Hoy en día, el auge del Aprendizaje Automático (Machine Learning, ML) y la Inteligencia Artificial (IA) plantea oportunidades transformadoras, pero también desafíos, para las metodologías clásicas basadas en EDPs. ¿Puede el ML mejorar las técnicas de EDPs sin sacrificar el rigor matemático? ¿Podemos desarrollar marcos computacionales híbridos que aprovechen los enfoques basados en datos, manteniendo a la vez la fiabilidad de los métodos tradicionales?
Objetivo
El interés de esta reunión de trabajo se centrará en el enfoque teórico-práctico del manejo de métodos del aprendizaje automático en el estudio de ecuaciones diferenciales parciales. Está dirigido a estudiantes avanzados de licenciatura y de posgrado, así como académicos con expertise en área afines.
Las activitividades que se realizarán incluyen cursos, sesiones prácticas y conferencias presenciales.
Fechas importantes
- Fecha límite de solicitud de beca: septiembre 21, 2025
- Fecha de resultados de beca: septiembre 30, 2025
Todos los asistentes deben realizar su registro.
English Version
Partial Differential Equations (PDEs) form the cornerstone of mathematical modeling in mechanics and the natural sciences, driving advances in analysis, numerical methods, and applied mathematics. Today, the rise of Machine Learning (ML) and Artificial Intelligence (AI) presents transformative opportunities and challenges for classical PDE methodologies. Can ML enhance PDE techniques without sacrificing mathematical rigor? Can we develop hybrid computational frameworks that leverage data-driven approaches while maintaining the reliability of traditional methods?
Description
This workshop will focus on the theoretical and practical approach to the use of machine learning methods in the study of partial differential equations. It is aimed at advanced undergraduate and graduate students, as well as academics with expertise in related fields. Activities will include courses, practical sessions, and in-person conferences.
Confirmed Invited speakers
- Enrique Zuazua, Friedrich Alexander Universität Erlangen Nürnberg
- Stephen Wright, Wisconsin Institute for Discover, University of Wisconsin-Madison.
- Víctor Hernández Santamaría, Instituto de Matemáticas, Universidad Nacional Autónoma de México
- Juan Daniel Meshir Vargas, Universidad de Guadalajara
- Subrata Majumdar, Instituto de Matemáticas, Universidad Nacional Autónoma de México
- Oscar Dalmau Cedeño, Cimat
Organizing committee
María de la Luz Jimena de Teresa, IM-UNAM
Oscar Dalmau Cedeño, Cimat
Silvia Jerez Galiano, Cimat
