Como científico de datos en PredictLand, Eduardo Sánchez Burillo, ha llevado a cabo una investigación sobre aplicación de machine learning en simetrías en Física, conjuntamente con el CSIC (Consejo Superior de Investigaciones Científicas) y la Universidad de Zaragoza. Fue publicado la semana pasada en Arxiv, y enviado a otras revistas científicas para peer review.
Bajo el título «Finding discrete symmetry groups via Machine Learning», el estudio introduce una nueva aproximación basada en machine learning, denominada Symmetry Seeker Neural Network. Este método, sin necesidad de conocimientos previos sobre la simetría del sistema o las relaciones matemáticas entre los parámetros y las propiedades, puede identificar el conjunto finito de transformaciones de parámetros que conservan las propiedades físicas del sistema. Su versatilidad se demuestra mediante ejemplos de matemáticas, nano fotónica y química cuántica, marcando un hito significativo en la comprensión y aplicación de la inteligencia artificial en la ciencia.
