Desarrollo de redes neuronales para la reconstrucción de sistemas Hamiltonianos

Tesis de licenciatura que propone un enfoque para reconstruir directamente la función Hamiltoniana a partir de datos, sin necesidad de obtener las ecuaciones de Hamilton. La metodología se valida utilizando sistemas de prueba, como el oscilador armónico, el péndulo simple y el sistema de Hénon-Heiles, conocido por su complejidad dinámica y regímenes caóticos. Este enfoque combina herramientas de aprendizaje automático y análisis matemático, ofreciendo un marco innovador para abordar problemas en sistemas Hamiltonianos e, incluso, representa una herramienta prometedora para sistemas que poseen más de una constante de movimiento.