Ir al contenido

Ingeniería aeroespacial e IA aplicada.

Soy Allan Olivito, ingeniero aeroespacial. Exploro cómo el machine learning y la inteligencia artificial pueden aplicarse en distintas áreas del sector aeroespacial. Acá comparto lo que aprendo y lo convierto en proyectos concretos de ingeniería.

Este espacio muestra el proceso detrás de cada proyecto: el problema, las decisiones de ingeniería, la implementación y lo que aprendí en el camino.

Las aplicaciones pueden abarcar distintas disciplinas aeroespaciales. El punto en común es la combinación de fundamentos de ingeniería, simulación y herramientas basadas en datos para comprender y construir mejores sistemas aeroespaciales.

Latest Articles

Rompiendo Navier-Stokes: cómo OpenAI resolvió un Problema del Milenio en 100 horas
·8 mins
Una demostración generada por IA podría resolver un Problema del Milenio. Qué significa la ruptura propuesta, por qué importa una respuesta negativa y qué sigue abierto.
CanSat: trayendo un huevo desde el espacio con un parapente
Cómo navegamos la aerodinámica de alas flexibles, desciframos sutilezas de la literatura, dedujimos ángulos de entrada a partir de fotos, calibramos suspentajes de Kevlar al milímetro y realizamos pruebas de caída con drones para cumplir con una exigente misión CanSat.
Cómo explicarle el decaimiento orbital a una regresión lineal
Un satélite en órbita baja está cayendo despacio, y hay una fórmula clásica que lo predice. Quise saber si el modelo más simple del machine learning podía hacerlo mejor, y la respuesta terminó dependiendo por completo de qué elegí contarle.
De cero a un simulador 6DoF para satélites LEO
Cómo pasé de no conocer prácticamente nada de mecánica orbital a investigar, diseñar, implementar y verificar un simulador de seis grados de libertad.
Por qué abrí este espacio
Un lugar para desarrollar ideas, aplicar lo que aprendo y compartir proyectos y experiencias de ingeniería aeroespacial.