Redes neuronales generativas para la predicción de reacciones bioquímicas
Director | OARGA, ALEX |
---|---|
Ponente | Júlvez, Jorge |
Titulaciones | |
---|---|
Grado en Ingeniería Tecnologías Industriales Grado en Ingeniería Tecnologías y Servicios de Telecomunicación Grado en Ingeniería Informática Grado en Ingeniería Electrónica y Automática |
Duracion | 4 meses |
---|---|
Lugar | EINA |
Fecha Alta | 2023-06-27 |
Fecha Baja | 2024-06-27 |
Resumen | Recientemente, los modelos generativos de difusión han tenido relevancia en la generación de imágenes, con ejemplos como Stable Diffusion y DALL-E2. El objetivo de este trabajo es aprovechar el potencial de estos modelos para la estimación de parámetros en reacciones bioquímicas. En concreto, se busca generar parámetros físicos que se aproximen lo máximo posible a los valores del mundo real, con el fin de simular de la manera más precisa estas reacciones bioquímicas. La principal tarea de este trabajo es la búsqueda de una arquitectura de red neuronal óptima para este problema. El resultado de este trabajo abarca la implementación de modelos de difusión, así como de arquitecturas neuronales basadas en transformers (utilizados en el procesamiento del lenguaje natural) y redes neuronales de grafos. Las herramientas fundamentales a utilizar son Python y Pytorch. |
Detalles/Contacto | Si estás interesado puedes contactar con Alex Oarga (718123@unizar.es) y Jorge Júlvez (julvez@unizar.es). |