Machine-Learning-Assisted Real-Time Simulations and Uncertainty Quantification for Infectious Disease Spread

El objetivo de este esfuerzo de investigación colaborativa es sentar las bases para modelos epidemiológicos estadísticos integrales y cuantificar la incertidumbre en la predicción de la propagación de enfermedades infecciosas en conectividades dinámicas globales y de autorregulación.

Avances en la cuantificacion de incertidumbre bayesiana para modelos complejos

Dado que los modelos son complejos y solamente se tienen de manera numerica aproximada

Propiedades geometricas y topologicas de las variedades algebraicas

Estudias las variaciones de estructuras de Hodge asociadas a familias, asi como la estrcutura de Hodge de variefades singulares y la manera de organizarse alrededor de los valores singulares de morfismos

Geometría de variedades con estructuras especiales II

Continuar con el desarrollo de las varias lineas de investigacion desarrolladas: la geometria de variedades con estructuras spin torcidas spinorialmente; aplicaciones de geometria diferencial y el algebra geometrica a visualizacion computacional y reconocimiento de patrones; y desarrollar nociones alternativas de estabilidad para fibrados de Higgs.

Pandemic Response Technology Initiative

Propone utilizar CNN para diagnosticar COVID-19 a partir de imágenes médicas. El concesionario desarrollará dos diagnósticos alternativos basados en dos modalidades diferentes: diagnóstico de COVID-19 a partir de rayos X y diagnóstico de COVID-19 a partir de tomografías computarizadas.

Métodos numéricos con aplicación a problemas de dinámica de fluidos en tres dimensiones

Desarrollar y analizar métodos numéricos complejos, eficientes y en paralelo para problemas de dinámica de fluidos en 3D. Además aplicar estos algoritmos numéricos a fenómenos físicos que incluyan flujos multifásicos incluyendo erosión, transporte y liberación de sedimento.

Bayesian uncertainty quantification

Este proyecto se refiere a la calibración y a la cuantificación de incertidumbre y de control de error posterior en modelos no lineales complejos (PDEs) y modelos computacionales en presencia de datos. Estos modelos computacionales son aproximaciones numéricas a modelos matemáticos bien definidos, en términos de PDEs, de los fenómenos en cuestión.

Predicción de la evolución de brotes epidémicos de COVID-19: Modelo C^3

Desarrollo de un modelo campo medio, de tipo multicaja determinista y formado por un sistema de ecuaciones diferenciales ordinarias de tipo sier, agregándole dinámica hospitalaria y separación de asintomáticos y sintomáticos

Fortalecimiento y consolidación de las actividades de investigación científica del área de matemáticas básicas de la Unidad Guanajuato del CIMAT

La participación de investigadores para dar ponencias a los grupos de investigación en la sede Guanajuato del CIMAT, como por ejemplo, en los seminarios de geometría, topología, álgebra, matemática aplicada y computación, así como en el Coloquio CIMAT