Nuevo artículo: Romero, I. and Ortiz, M. (2026). A note on data-driven methods for mechanical problems with non-unique solutions, Meccanica, 61. (link).

En este artículo mostramos que la mayoría de los modelos habituales de aprendizaje automático presentan una seria desventaja cuando se emplean en mecánica no lineal: no pueden predecir la bifurcación de soluciones y, por tanto, pueden incurrir en representaciones erróneas incluso para el problema más sencillo.

Nuevo artíulo: Portillo, D. and Romero, I. (2026). Embedding structures in continua: linear models and finite element discretizations, /Computer Methods in Applied Mechanics and Engineering/, 451, 118683. (link)

Nuevo artículo: Castillón, M. and Romero, I. and Segurado, J. (2026). A phase-ield approach to fracture and fatigue analysis: bridging theory and simulation, International Journal of Fatigue, 205, 109397. (link)

Nuevo artículo del grupo: Cantón-Sánchez, R. and Romero, I. (2025). Fluid-structure interaction between dimensionally-reduced nonlinear dragged solids and incompressible flows, Computer Methods in Applied Mechanics and Engineering, 446, 118211 (link)

Nuevo artículo del grupo: E. Bell-Navas, D. Portillo, I. Romero (2025). A fully variational numerical method for structural topology optimization based on a Cahn-Hilliard model. Computer Methods in Applied Mechanics and Engineering (445) (enlace)

Nuevo artículo del grupo: Romero, I. and Ortiz, M. (2025). An energy-stepping Markov Monte Carlo method. Meccanica (60), pg. 1411-1436 (enlace)

Nuevo artículo donde se propone un método para el modelado de la difusión de masa empleando teoría del transporte óptimo.

Nuevo artículo del grupo: Ortiz-Toranzo, Á. and Romero, I. (2024). Finite Element Discretization of the Thermo-Diffusive-Mechanical Problem with Large Deformations, Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería, 40. (enlace)

Check our new article describing new numerical methods for the simulation of hydrogen diffusion in metals. The method, extremely robust and efficient, will be the starting point for future studies of the effect of hydrogen in metals.

Check our new article based on the collaboration with IMDEA Materials: Model-based reinforcement learning control of reaction-diffusion problems (2024) Christina Schenk, Aditya Vasudevan, Maciej Haranczyk, Ignacio Romero in the Journal of Optimal Control, Application and Methods.