MetalIA

El proyecto evalúa técnicas avanzadas de aumentación de datos (GANs, VAEs, PINN, etc) para generar muestras sintéticas coherentes y mejorar modelos de predicción en escenarios con datos limitados. Se integran datos experimentales, simulados y sintéticos, optimizando su combinación. Se desarrollarán modelos predictivos de composición, fases y propiedades funcionales de aleaciones metálicas, aplicando Machine Learning (redes neuronales, SVM, procesos gaussianos, modelos híbridos) y validándolos mediante métricas de error, análisis de sensibilidad y simulaciones. El objetivo es garantizar precisión, robustez y aplicabilidad industrial de los modelos desarrollados.