Seminars 2020

En esta exposición introduciremos el paradigma del "aprendizaje reforzado", en el que un agente (e.g., un algoritmo) decide una secuencia finita de acciones dentro de un medio ambiente. Describiremos la estructura apropiada (Procesos de Decisión de Markov) para que un algoritmo pueda aprender a partir de un juego basado en reglas claras y precisas. La introducción de las redes neuronales para la configuración de estos algoritmos ha desencadenado una nueva revolución que promete nuevos retos y aplicaciones.

El estudio de los efectos de memoria ha generado gran interés en los últimos años dado a sus potenciales aplicaciones en la industria y en la ciencia de materiales. En particular los procesos de enfriamiento y calentamiento fuera del equilibrio están aún lejos de ser entendidos y son esenciales en la mayoría de procesos industriales y de generación de energía. En este seminario daremos una visión general de su relevancia y nos centraremos en dos de ellos: el popular efecto Mpemba y el menos conocido efecto Kovacs. Mostremos en detalle los espectaculares resultados que aparecen en el estudio de los procesos de enfriamiento y calentamiento de algunos sistemas en estados muy alejados del equilibrio, como son: los medios granulares, los vidrios de spin y el agua.