???global.info.a_carregar???
Identificação

Identificação pessoal

Nome completo
Paulo Carduck Borba Machado

Nomes de citação

  • Machado, Paulo

Identificadores de autor

Ciência ID
1313-E0A1-6DC0
ORCID iD
0009-0004-6534-9657

Idiomas

Idioma Conversação Leitura Escrita Compreensão Peer-review
Inglês Utilizador proficiente (C2) Utilizador proficiente (C2) Utilizador proficiente (C2) Utilizador proficiente (C2) Utilizador proficiente (C2)
Português (Idioma materno)
Alemão (Idioma materno)
Francês
Formação
Grau Classificação
2024/02/20
Em curso
Eng. ELectrotecnica e de Computadores (Doutoramento)
Universidade de Lisboa Instituto Superior Técnico, Portugal
2021/09/17 - 2023/11/24
Concluído
Engenharia e Ciência de Dados (Mestrado integrado)
Especialização em Data Science
Universidade de Lisboa Instituto Superior Técnico, Portugal
"Data-Driven Methods for Efficient Generation of Physically-Coherent Models" (TESE/DISSERTAÇÃO)
2021/09/17
Concluído
Mestrado Integrado em Engenharia Física Tecnológica (Licenciatura)
Instituto Superior Técnico Departamento de Física, Portugal
Percurso profissional

Ciência

Categoria Profissional
Instituição de acolhimento
Empregador
2024/02/27 - Atual Investigador (Investigação) INOV – Instituto de Engenharia de Sistemas e Computadores Inovação, Portugal
Produções

Publicações

Artigo em conferência
  1. Machado, Paulo; Barbulescu, Ruxandra; L. Miguel SIlveira. "Efficient physics-aware modeling for a highly nonlinear dynamic system". Trabalho apresentado em SCEE 2026 - Scientific Computing in Electrical Engineering, Lisboa, 2026.
    Aceite para publicação
  2. Machado, Paulo; Barbulescu, Ruxandra; Silveira, Luis Miguel. "Echo State Networks for Accurate and Efficient Modeling of Dynamic Circuits". Trabalho apresentado em IEEE International Conference on Artificial Intelligence Circuits and Systems 2024, Abu Dhabi, 2024.
    10.1109/aicas59952.2024.10595897
  3. Machado, Paulo; Barbulescu, Ruxandra; Giovanni Nastasi; L. Miguel SIlveira. "Efficient machine learning methods to predict the stationary electron density profile in a n+/n/n+ silicon diode". Trabalho apresentado em International Conference on Scientific Computing in Electrical Engineering 2024, Darmstadt, 2024.
Artigo em revista
  1. Barbulescu, Ruxandra; Ciuprina, Gabriela; Duca, Anton; Machado, Paulo; Silveira, L. Miguel. "Physics-informed neural networks for a highly nonlinear dynamic system". Journal of Mathematics in Industry 15 1 (2025): https://www.scopus.com/inward/record.url?eid=2-s2.0-105003255338&partnerID=MN8TOARS.
    10.1186/s13362-025-00172-1
Capítulo de livro
  1. Machado, Paulo; Barbulescu, Ruxandra; Nastasi, Giovanni; L. Miguel SIlveira. Autor correspondente: Barbulescu, Ruxandra. "Efficient machine learning methods to predict the stationary electron density profile in a n+/n/n+ silicon diode". In Mathematics in Industry: Scientific Computing in Electrical Engineering, editado por Herbert De Gersem; Barbulescu, Ruxandra; Idoia Cortes Garcia; Günther, Michael; Romano, Vittorio; Ruth V. Sabariego; Schöps, Sebastian. 2026.
    No prelo