Physics Informed Neural Networks (PINNs) para Regulación de Glucosa

Las redes neuronales tradicionales han demostrado ser herramientas poderosas para modelar sistemas complejos y no lineales, especialmente cuando se dispone de grandes volúmenes de datos y se tiene un conocimiento limitado del sistema subyacente. No obstante, en contextos donde se cuenta con un conocimiento previo del comportamiento del sistema y con ecuaciones que describen adecuadamente su dinámica, las Physics-Informed Neural Networks (PINNs) ofrecen una alternativa más eficiente y precisa.

En esta IPRE, los estudiantes diseñarán e implementarán PINNs para modelar el sistema glucorregulatorio en personas con diabetes tipo 1. Estos modelos permitirán capturar con mayor fidelidad la dinámica de la glucosa en el cuerpo, integrando tanto datos clínicos como conocimiento fisiológico a través de ecuaciones diferenciales. Los modelos desarrollados tendrán como objetivo final su uso en aplicaciones de control, particularmente en el diseño de algoritmos para páncreas artificiales.