Noticimat 02
Actividades del 27 al 31 de enero de 2025
Seminarios
Seminario de probabilidad
Lunes 27
Hora: 13:00 pm
Lugar: Diego Bricio G101
Ponente: Profesor Bogusław Zegarlinski, de Imperial College London
Título: Some results and problems on probability stochastics
Resumen: I present results and some open problems of discrete and continuous systems (including noncommutative ones such as nilpotent Lie groups or noncommutative operator algebras) of finite and infinite dimension. These include discrete time stochastic dynamics, properties of Markov semigroups as a consequence of some (coercive) inequalities for generators, and problems of isoperimetry for some
probability distributions.
_____________________________________________________________________________________________________________________________
Seminario de Topología Algebraica de CIMAT Mérida
Miércoles 29
Hora: 09:00 am
Lugar: Sala de maestros del edificio A (UADY)
Ponente: José Cantarero, CIMAT Mérida
Título: Teorías de homología y cohomología parametrizada II
_____________________________________________________________________________________________________________________________
SMAC 2025: Seminario de Matemáticas Aplicadas y Computación
Miércoles 29
Hora: 11:00 am
Lugar: C9 FMAT UADY
Ponente: Dra Anabel Martín , Profesora Investigadora de la Facultad de Matemáticas de la Universidad Autónoma de Yucatán
Título: Detección automática de células procesadas por Ensayo Cometa con aprendizaje profundo
Resumen: La electroforesis en gel de células individuales o Ensayo Cometa, es un método usado para medir el daño en el ADN de las células. A través de esta técnica las células adquieren la forma de cometas con el material genético estable en forma de cabeza y la porción inestable de ADN en forma de cola. Los resultados de este ensayo requieren un análisis exahustivo de las células generadas, por una persona experta, quien deberá clasificar detalladamente los cometas de las imágenes microscópicas obtenidas. Dado que este proceso es laborioso, en esta plática, se describirá un sistema computacional que utiliza la red neuronal profunda YOLO modificada con arquitecturas basadas en ecuaciones diferenciales ordinarias neuronales para la detección y clasificación automática de las células procesadas por ensayo cometa.
_____________________________________________________________________________________________________________________________
Seminario de Matemáticas Aplicadas
Miércoles 29
Hora: 12:30 am
Lugar: CIMAT – Guanajuato K201
Ponente: Dr. Mariano Rivera Meraz
Título: La conciencia como necesidad evolutiva y su relación con la conciencia artificial
Resumen: La conciencia, ese misterioso fenómeno que nos permite estar al tanto de nosotros mismos y de nuestro entorno, ha sido durante mucho tiempo un tema de fascinación y estudio en filosofía, psicología y ahora en la Inteligencia Artificial (IA). En esta charla exploramos la posibilidad de que las computadoras puedan algún día desarrollar conciencia. Comenzaremos exponiendo cómo la inteligencia y la conciencia surgieron como ventajas evolutivas en los seres humanos y otras especies. Expondremos cómo la inteligencia ha facilitado el desarrollo de habilidades como la creación de herramientas, el desarrollo de estrategias de caza, y la formación de sistemas sociales complejos. Exploramos la posibilidad de que el desarrollo en IA pueda avanzar hacia formas de autoconciencia. Especulamos sobre el futuro de la IA y su potencial para desarrollar conciencia, planteando preguntas intrigantes sobre la naturaleza de la conciencia y el papel de la IA en el futuro de la evolución
_____________________________________________________________________________________________________________________________
GEOTOP-A SPRING 2025 TALKS
Viernes 31
Hora: 12:30 am
Ponente: Mathilde Papillon, UC Santa Barbara
Título: Make any GNN Go Topological with TopoTune
Resumen: Graph Neural Networks (GNNs) excel in learning from relational datasets, processing node and edge features in a way that preserves the symmetries of the graph domain. However, many complex systems–such as biological or social networks–involve multiway complex interactions that are more naturally represented by higher-order topological spaces. The emerging field of Topological Deep Learning (TDL) aims to accommodate and leverage these higher-order structures. Combinatorial Complex Neural Networks (CCNNs), fairly general TDL models, have been shown to be more expressive and better performing than GNNs. However, differently from the graph deep learning ecosystem, TDL lacks a principled and standardized framework for easily defining new architectures, restricting its accessibility and applicability. To address this issue, we introduce in this talk Generalized CCNNs (GCCNs), a novel simple yet powerful family of TDL models that can be used to systematically transform any (graph) neural network into its TDL counterpart. We show how GCCNs generalize and subsume CCNNs, and briefly describe extensive experiments on a diverse class of GCCNs. We show that these architectures consistently match or outperform CCNNs, often with less model complexity. In an effort to accelerate and democratize TDL, we also introduce TopoTune, a lightweight software that allows practitioners to define, build, and train GCCNs with unprecedented flexibility and ease.
_____________________________________________________________________________________________________________________________
