Especialidad: Aprendizaje profundo geométrico, límites de generalización, redes neuronales equivalentes, análisis de datos topológicos, geometría de datos.

Email: mpetrache@mat.uc.cl

Mircea Petrache posee un PhD in Science de ETH Zurich, obtenido en 2013. Ha trabajado en el proyecto Redes neuronales equivariantes, donde caracterizó el trade-off entre mejoras de generalización y aproximación al imponer simetrías, implementando estas imposiciones y estudiando simetrías aproximadas. En Geometría de la información en aprendizaje probabilístico, aplicó modelos de Flow Matching y midió la curvatura de espacios de medidas para informar la optimización. En Frequency bias en redes neuronales artificiales, modeló la diferencia de velocidad de aprendizaje de frecuencias con PDEs. En Aprendizaje composicional, estudió modelos de juegos de señales con aprendizaje iterado. En modelamiento del aprendizaje en el cerebro y en infantes, modeló el rol de la aleatoriedad en el procesamiento de información por redes neuronales y el aprendizaje basado en homeostasis energética, además de modelamiento estadístico de datos de experimentos con infantes. En Química computacional con aprendizaje profundo, aplicó redes equivariantes para reemplazar cálculos de mecánica cuántica y estudió la expresividad geométrica de redes basadas en grafos para modelar moléculas.