- Home
- Claustro e Investigación
- Taylor Jamie Michael
Taylor, Jamie Michael
PhD: University of Oxford
Despacho D3-27
Biografía
Jamie Taylor es Assistant Professor en Tenure Track en el Departamento de Matemáticas en CUNEF Universidad. Ha desarrollado una destacada trayectoria investigadora en matemáticas aplicadas, reconocida con un sexenio de investigación (2013-2018, Camp 1). Ha publicado ampliamente en revistas indexadas de alto impacto, siendo la mayoría de sus trabajos en revistas de primer cuartil y decil. Actualmente es co-investigador principal del proyecto nacional "UltraPINNs para mejorar imágenes en diagnóstico". Doctor por la University of Oxford bajo la dirección de Sir John Ball, también ha sido ponente en congresos internacionales, revisor en diversas revistas JCR y miembro de tribunales de tesis.
Formación Académica
Doctorado en Matemáticas, University of Oxford (2017).
MMath en Matemáticas, Cardiff University (2012).
Áreas de interés
Métodos numéricos para la resolución de ecuaciones en derivadas parciales, con enfoque en problemas paramétricos utilizando métodos de aprendizaje automático.
Publicaciones más relevantes
Baharlouei, S.; Taylor, J. M.; Uriarte, C.; Pardo, D.: "A least-squares-based neural network (LS-Net) for solving linear parametric PDEs", Computer Methods in Applied Mechanics and Engineering, 437, Art. 117757, 2025.
Taylor, J. M.; Bastidas, M.; Pardo, D.; Muga, I.: "Deep Fourier Residual method for solving time-harmonic Maxwell's equations", Journal of Computational Physics, 523, Art. 113623, 2025.
Taylor, J. M.; Bastidas, M.; Calo, V. M.; Pardo, D.: "Adaptive Deep Fourier Residual method via overlapping domain decomposition", Computer Methods in Applied Mechanics and Engineering, 427, Art. 116997, 2024.
Taylor, J. M.; Pardo, D.; Muga, I.: "A deep Fourier residual method for solving PDEs using neural networks", Computer Methods in Applied Mechanics and Engineering, 405, Art. 115850, 2023.
Rivera, J. A.; Taylor, J. M.; Omella, Á. J.; Pardo, D.: "On quadrature rules for solving partial differential equations using neural networks", Computer Methods in Applied Mechanics and Engineering, 393, Art. 114710, 2022.