In this thesis numerical simulations associated to several physical systems were studied, using different machine learning methods, specifically, linear regressors, artificial neural networks and support vector machines. The physical systems studied include: Bloch oscillations in a linear chain, in a squared lattice and in graphene subject to different initial conditions, gamma ray bursts, obstructions inside a pipe in which a fluid is flowing and Bragg peaks. From the simulations corresponding to each system, information that serves to train the machine learning methods is extracted and with which physical parameters are estimated, that are, an electric field intensity, the interatomic separation, the density of a gas, the size and location of an object, the system's energy, where the estimated parameters depend on the system under consideration. Additionally, the performance of a classification method, named as classification using multiclass outputs, was explored.
En esta tesis se estudian simulaciones numéricas asociadas a diversos sistemas físicos haciendo uso de varios métodos de aprendizaje automático, específicamente, regresores lineales, redes neuronales artificiales y máquinas de soporte vectorial. Los sistemas físicos que se estudian son los siguientes: Oscilaciones de Bloch en una cadena lineal, en una red cuadrada y en grafeno sujeto a distintas condiciones iniciales, brotes de rayos gama, obstrucciones dentro de un tubo por el que fluye un fluido y curvas de Bragg. De las simulaciones correspondientes a cada sistema se extrae información que sirve para entrenar a los métodos de aprendizaje automático y con los cuales se estiman ciertos parámetros físicos, que son, la intensidad de un campo eléctrico, la separación interatómica, la densidad de un gas, el tamaño y posición de un objeto, la energía del sistema, en donde tales parámetros estimados dependen del sistema de estudio. Adicionalmente, se explora el desempeño de un método de clasificación de patrones, al que se denominó como clasificación utilizando salidas multiclase.
