RESUMEN
¿Cómo podemos predecir la trayectoria de un objeto en caída libre en un campo gravitatorio? El enfoque clásico basado en modelos lo hace resolviendo una ecuación diferencial. Sin embargo, para obtener esa ecuación diferencial hay que tener conocimientos de física y hacer algunas derivaciones a mano. Además, la ecuación incluye parámetros físicos que hay que conocer de antemano o medir. Un enfoque alternativo que utiliza métodos genéricos de aprendizaje automático requiere, en cambio, datos observados, ajuste de hiperparámetros y cálculos considerables. En esta charla se presenta otro enfoque basado en datos que no requiere conocimientos precisos de física, derivaciones manuales ni parámetros físicos, pero que sí aprovecha el conocimiento previo de que los datos se generan mediante una ecuación diferencial lineal de coeficientes constantes. A diferencia de los métodos de aprendizaje automático, el método que se presenta no implica ningún ajuste de hiperparámetros, utiliza solo cinco trayectorias como datos y equivale a resolver un sistema de ecuaciones lineales. Además, este enfoque se puede aplicar al análisis y control de sistemas lineales generales invariantes en el tiempo, algunas clases de sistemas no lineales y sistemas lineales con parámetros variables.
PONENTE
Ivan Markovsky se doctoró en Ingeniería Eléctrica por la Katholieke Universiteit Leuven en febrero de 2005. De 2006 a 2012 fue profesor adjunto en la Facultad de Electrónica e Informática de la Universidad de Southampton; de 2012 a 2022, profesor asociado en la Vrije Universiteit Brussel; y, desde 2023, profesor ICREA en el CIMNE. Ha recibido una beca de inicio del ERC titulada «Aproximación estructurada de rango bajo: teoría, algoritmos y aplicaciones» (2010-2015) y una mención honorífica del Premio Householder en 2008. Sus principales intereses de investigación son los métodos computacionales para la teoría de sistemas, la identificación y el control basado en datos en el ámbito del comportamiento.