Graduado en Matemática Aplicada (2025) y Máster Universitario en Inteligencia Artificial (2026) por la Universidad Loyola Andalucía. Durante su etapa formativa ha estudiado el desarrollo de arquitecturas híbridas de difusión guiadas por la física, y ha participado como investigador en prácticas en el Centro Avanzado de Tecnologías Aeroespaciales (CATEC) desarrollando arquitecturas multiagente. Previamente, participó en el proyecto de investigación METRICA centrado en el modelado mediante EDP y series temporales alimentadas por sensores, difundiendo sus resultados en congresos internacionales. Actualmente es Ayudante de Investigación Predoctoral en IA Generativa en la Universidad Loyola Andalucía. En este puesto desarrolla su tesis doctoral, enfocada en el diseño de un modelo fundacional de Inteligencia Artificial generativa para sistemas físicos complejos. El objetivo de su investigación es incorporar las leyes de la termodinámica como una propiedad intrínseca del espacio latente, empleando para ello la regularización topológica y el formalismo GENERIC. Sus principales líneas de interés investigador se sitúan en la intersección entre la Inteligencia Artificial, los métodos matemáticos y la IA generativa. En particular, se interesa por la aplicación del aprendizaje profundo geométrico (VAEs, Transformers y GNNs) a la modelización. A nivel científico, su motivación se centra en explorar cómo las arquitecturas neuronales pueden integrar leyes de conservación por construcción, así como en el estudio, análisis y validación de estos modelos frente a enfoques como las PINNs o las GNNs convencionales en la resolución de problemas físicos complejos.