> Únete a la Vanguardia
Colaboración, Investigación y el Futuro de la IA Verificable
FeynmanGraph busca socios académicos e ingenieros para resolver los problemas de latencia, escalabilidad y rigor causal que limitan la IA generativa en STEM. Nuestro proyecto es una oportunidad para contribuir a la investigación fundacional en la orquestación de LLMs.
Los Tres Frentes Abiertos
Neurociencia Computacional
Validación causal del grafo cognitivo y sus sustratos neurobiológicos.
Física y Matemáticas
Mapeo de dominio, rigor de la toolchain y computación simbólica avanzada.
Aprendizaje profundo & HPC
Optimización de latencia, viabilidad de micromodelos y escalabilidad operativa.
Formas de Colaboración
Pilotos Educativos
Programas para educadores y colegios que deseen integrar herramientas de IA verificable en sus planes de estudio.
Co-desarrollo Científico
Oportunidades para investigadores y desarrolladores para contribuir directamente al core del proyecto.
Frente de Investigación: Neurociencia
Validación Causal del Grafo Cognitivo
Desafío: Probar que la arquitectura modular ReAct (Razonar-Actuar-Observar) tiene sustratos neurobiológicos plausibles.
Rol del Colaborador: Diseño y ejecución de pruebas empíricas aplicando métodos de neuroimagen y manipulación causal.
Sustento: El modelo mapea Razonar → CPF; Actuar → GB; Observar → Sistema Hipocampo-Neocórtex; y Monitorizar → CCA.
Frente de Investigación: Física y Matemáticas
Mapeo de Dominio y Toolchain Completa
Desafío: Desarrollar la toolchain completa que mapee la totalidad de la matemática requerida para la física.
Rol del Colaborador: Formalizar nuevos Agentes Matemáticos y sus respectivas herramientas deterministas para cubrir nichos complejos.
Sustento: La librería actual incluye agentes para Álgebra, Cálculo, EDOs, etc., con más de 400 herramientas distribuidas.
Frente de Investigación: Aprendizaje profundo y HPC
Optimización HPC y Viabilidad Operativa
Desafío: Reducir la latencia promedio por problema de varios minutos a p50 $\leq 2s$ para hacerlo viable en tiempo real.
Rol del Colaborador: Liderar el entrenamiento a gran escala en el LNS, optimizando el uso de GPUs NVIDIA A100 con técnicas QLoRA.
Sustento: El análisis de la Fase Alpha validó que la latencia es el cuello de botella crítico. Se comprobó que el modelo Gemini Pro presentó una latencia 2.2 veces superior a la de Flash Lite, estableciendo la optimización de la velocidad como un requisito indispensable para la viabilidad del proyecto.