Brayan Vera · Física, IA y software

Sobre mí

Curioso por cómo funciona el universo, y por cómo enseñárselo a una máquina.

Soy físico y desarrollador. Lo que más me atrapa es la mecánica cuántica: que la realidad, a escala pequeña, se describa con amplitudes de probabilidad que interfieren entre sí. Me gusta llegar al fondo de las cosas, desde la mecánica analítica hasta la computación cuántica.

En paralelo trabajo con inteligencia artificial, en especial con redes neuronales informadas por la física (PINNs): modelos que no solo aprenden de datos, sino que además obedecen las ecuaciones diferenciales del sistema que estudian.

Y cuando una herramienta no existe como la quiero, la construyo. Desarrollo apps nativas para Mac con Swift y la IA como copiloto: un lector de PDF para libros de física, un temporizador para estudiar y un control remoto para mi televisor.

ψ

Física teórica

Mecánica cuántica, mecánica analítica, física moderna. Lagrangianos, hamiltonianos y transformaciones canónicas.

∇

Inteligencia artificial

PINNs, aprendizaje profundo aplicado a la física y modelos de lenguaje como herramienta de estudio y de desarrollo.

λ

Software

Apps nativas para macOS e iPadOS con Swift, SwiftUI y AppKit. Primero lo local, sin telemetría.

Laboratorio · Mecánica cuántica

El experimento de la doble rendija

Cada fotón llega a la pantalla como un punto, uno a uno. Pero al acumular miles aparece un patrón de interferencia: cada partícula se comporta como una onda que pasa por las dos rendijas a la vez. Activa «Observar rendijas» y mira cómo el patrón desaparece.

Fotones detectados: 0

ondadeteccioneshistograma vs. |ψ|²

Longitud de onda 520 nm

Separación entre rendijas 34

Observar rendijas

SuperposiciónLa amplitud total es la suma de las amplitudes de cada camino:

InterferenciaLa probabilidad incluye un término cruzado:

MediciónSaber por qué rendija pasó el fotón destruye la coherencia y el término cruzado se anula.

Física × Inteligencia artificial

Redes neuronales que obedecen las leyes de la física

Una PINN aprende la solución de una ecuación diferencial penalizando, en cada paso de entrenamiento, cuánto se aleja de la propia ecuación. Con muy pocos datos, la física hace el resto.

PINN · oscilador amortiguado

De ruido a solución

La red empieza adivinando y, época tras época, su predicción se pega a la solución exacta. Solo conoce tres puntos iniciales; el resto lo impone la ecuación en los puntos de colocación.

época 0pérdida —ilustración animada

predicción de la red solución exacta datos colocación

Aprendizaje profundo

Aproximadores universales

Una red con suficientes neuronas puede aproximar casi cualquier función continua. La diferenciación automática nos da sus derivadas exactas, justo lo que hace falta para meter una EDP en la función de pérdida.

Computación cuántica

Qubits

Un qubit vive en una superposición de 0 y 1. Con muchos, el espacio de estados crece exponencialmente, y ahí empiezan las preguntas interesantes, también para la física de altas energías.

Modelos de lenguaje

Atención

La operación que hay detrás de los grandes modelos de lenguaje. Los uso a diario como copiloto para programar y como tutor para entender un libro de física.

Proyectos personales