1. CONICET
  2. Comunidad CONICET
  3. GUILLERMO MANUEL KULEMEYER
Comunidad CONICET
KULEMEYER, GUILLERMO MANUEL

Beca interna doctoral

Especialidad
Bioinformática, Aprendizaje automático
Disciplina Científica
Informática y Comunicaciones
Tema
Modelos generativos para el aprendizaje de representaciones secuenciales y estructurales conjuntas
Lugar de Trabajo
INSTITUTO DE INVESTIGACION EN SEÑALES, SISTEMAS E INTELIGENCIA COMPUTACIONAL (SINC(I), CONICET-UNL)
Depende de
Ver más información Ver menos información
Dirección:
RUTA NACIONAL KM 472.4 168, piso 4, 3000 - Santa Fe - Argentina
Ver mapa
Resumen Información suministrada por el agente en SIGEVA
Desarrollé un sistema de redes neuronales para procesar datos usando descriptores atómicos, convirtiéndolos en vectores de coordenadas invariantes, permitiendo modelar con precisión la adsorción disociativa de moléculas poliatómicas en superficies. Realicé simulaciones de dinámica molecular de larga duración y análisis estadísticos para seleccionar el mejor modelo, comparando los resultados con datos experimentales y teóricos, logrando una descripción precisa del sistema con una discrepancia de... Desarrollé un sistema de redes neuronales para procesar datos usando descriptores atómicos, convirtiéndolos en vectores de coordenadas invariantes, permitiendo modelar con precisión la adsorción disociativa de moléculas poliatómicas en superficies. Realicé simulaciones de dinámica molecular de larga duración y análisis estadísticos para seleccionar el mejor modelo, comparando los resultados con datos experimentales y teóricos, logrando una descripción precisa del sistema con una discrepancia de 0.2 eV, consistente con un desplazamiento similar en los datos teóricos de entrenamiento. Implementé técnicas de computación de alto rendimiento para ejecutar simulaciones y optimizar el entrenamiento del modelo, utilizando Python y Fortran. Actualmente mi tesis doctoral se orienta al desarrollo de modelos generativos basados en arquitecturas de aprendizaje profundo para representar y predecir estructuras de ARN a partir de secuencias.
Ver más Ver menos
Líneas de Investigación

Modelos profundos para prediccion de estructura secundaria de ARN

Ciencias naturales y exactas

  • Ciencias de la computación e información
  • Ciencias de la información y bioinformática (desarrollo de hardware va en 2.2 ingeniería eléctrica, electrónica y de información y los aspectos sociales van en 5.8 comunicación y medios)
Capacidades Tecnológicas

1 - Electrónica, TICs y telecomunicaciones

1.2 - Procesado de información, Sistemas de información, Gestión de la carga de trabajo

  • 1.2.3 - Inteligencia artificial (IA)
  • 1.2.10 - Bases de datos, gestión de bases de datos, extracción de datos
  • 1.2.16 - Simulaciones
  • 1.2.20 - Software de automatización
  • 1.2.25 - Tecnologías de la nube

2 - Producción industrial, tecnologías de materiales y transportes

2.3 - Control de procesos y logística

  • 2.3.4 - Automatización de procesos

4 - Energía

4.2 - Producción, transmisión y conversión de energía

  • 4.2.6 - Producción de hidrógeno

4.7 - Otros temas energéticos

  • 4.7.3 - Micro y nanotecnología relacionada con la energía

5 - Ciencias físicas y exactas

5.1 - Química

  • 5.1.2 - Química computacional y modelado

5.5 - Micro y nanotecnología

Palabras Clave
Inteligencia ArtificalArtificial intelligenceAprendizaje ProfundoARNDeep LearningRNA
Formación Académica

2016 - 2024

Licenciado en Física

UNIVERSIDAD NACIONAL DE ROSARIO

Formación de RRHH
Dirigido por:
MILONE, DIEGO HUMBERTO
Carrera Investigador
MILONE, Diego Humberto Carrera Investigador
Codirigido por:
BUGNON, LEANDRO ARIEL
Carrera Investigador
BUGNON, Leandro Ariel Carrera Investigador
Cargando sección Producción CyT...
Cargando sección Oferta Tecnológica...
Contacto
Enviar Mensaje