Buscador de noticias

Por título o palabra clave

Compartir noticia:

Facultad de Ciencias Físicas y Matemáticas

18 propuestas de investigación de la FCFM fueron beneficiadas con un Fondecyt postdoctorado 2019

Enlaces relacionados
Fondecyt

Se trata de investigaciones de los departamentos de Ingeniería de Minas, Matemática, Computación, Física, Materiales, el Centro de Modelamiento Matemático (CMM) y el Centro Avanzado de Tecnología para la Minería (AMTC).

Este año, 268 proyectos fueron beneficiados con el Fondecyt Postdoctorado, el programa de la Comisión Nacional de Investigación Científica y Tecnológica (Conicyt) que estimula la productividad y liderazgo científico futuro de jóvenes investigadores(as) con grado académico de Doctor, de los cuales 18 propuestas pertenecen a la FCFM.

El fondo financia la realización de proyectos de investigación por 2 a 3 años, que lleven a los doctorados a su futura inserción laboral en el ámbito académico u otro, a través de su incorporación en grupos de investigación consolidados.

Elsa Cazelles desarrollará el proyecto “Novel Machine Learning methods using Optimal Transport: Theory, Algorithms and Applications”, junto a Felipe Tobar, profesor del Departamento de Ingeniería Matemática (DIM) e investigador del Centro de Modelamiento Matemático (CMM). "Conjuntamente con el advenimiento de las ciencias de la computación, la investigación sobre el análisis de datos ha crecido significativamente en las últimas décadas. En particular, la cantidad de datos recolectados en varios ámbitos ha explotado: el tráfico de internet a través de redes sociales, el uso del transporte público a través dispositivos de navegación, el registro de interferencia en astronomía, la secuenciación del genoma para regiones enteras, las redes de sensores desplegadas en escenarios industriales y sociales; la lista continúa", explica la investigadora.

El objetivo es extraer la estructura intrínseca de estos conjuntos de datos, traducir las observaciones a un modelo matemático para comprender un fenómeno de una manera que permita clasificar patrones o detectar comportamientos inusuales, utilizando Machine Learning (ML), que permite procesar una gran cantidad de conjuntos de datos diseñando e implementando algoritmos (con supervisión o no) que pueden analizar e interpretar los datos automáticamente.

"Este proyecto cubre datos modelados por distribuciones de probabilidad, que se pueden considerar como una pila de arena (para datos de dominio continuo) o un conjunto de rocas (en el caso discreto). Con Felipe Tobar nos concentramos en la búsqueda de representaciones funcionales (esto es un modelo matemático) de conjuntos de datos dentro un conjunto de distribuciones. Para comparar dos (o incluso más) distribuciones de probabilidad, utilizamos el Transporte Óptimo (TO), que es un instrumento del cruce entre probabilidad, análisis y optimización", indica.

El TO consiste en transportar una distribución a de la forma menos costosa, una herramienta potente y sólida para comparar distribuciones, ya que define una rica estructura geométrica, explica. "En esta propuesta de investigación, nuestro objetivo es fortalecer el puente entre la teoría de TO y las aplicaciones de ML, ya que creemos firmemente que las herramientas estadísticas eficientes pueden aportar métodos revolucionarios en la área de ML, en particular para grandes conjuntos de datos y espacios multidimensionales. Nuestra principal hipótesis es que el vínculo con el subcampo importante de las estadísticas bayesianas podría conducir a resultados nuevos e interesantes", agrega.

Javiel Rojas, postdoctorante del Departamento de Ciencias de la Computación (DCC), explica que las bases de datos son un componente esencial en el entorno informático de hoy y, al ser concebidas con un propósito general, son útiles en toda disciplina en la que exista la necesidad de gestionar grandes volúmenes de información. Su proyecto -Evaluating Database Queries Through Points and Boxes-, que realizará junto al académico Gonzalo Navarro, tiene como fin diseñar estructuras de datos y algoritmos que permitan evaluar de forma eficiente distintos tipos de consultas en una base de datos.

“Dichos datos en muchos casos pueden ser representados como puntos en un espacio multidimensional, y existen estructuras de datos que se aprovechan de dicha representación para responder varios tipos de consultas sobre los datos. En una base de datos de actores y actrices, por ejemplo, se pueden responder preguntas como “¿cuáles son las actrices que teniendo entre 30 y 40 años de edad ya habían obtenido el premio Oscar 2 o más veces?”, considerando a los datos como puntos, y convirtiendo la pregunta en una caja multidimensional. El proyecto pretende mostrar que se pueden soportar nuevos tipos de consultas en una base de datos aprovechando la representación espacial de los datos, así como mejorar los tiempos de respuesta y requerimientos de espacio de las soluciones que existen actualmente”, sostiene.

Rajesh Govindaraj, postdoctorante del Departamento de Física, trabajará junto al académico Marcos Flores en el proyecto “Solución de procesos de síntesis de nanoestructuras de kesterita como materiales para baterías de ion-litio”. “Lo que estamos promoviendo es un material que tiene muy buen comportamiento óptico, entonces podría pensar que podría tener muy buen comportamiento eléctrico”, explica Flores. Los investigadores sostienen que al nanoestructurarlo y ponerlo en un cátodo de una batería, el material - mucho más robusto- podrían brindar mejor eficiencia o comportamiento en las baterías de ion-litio”, dice.

Lista de proyectos ganadores

“Geostatistical applications for underground works – from heterogeneity modelling to risk assessment”, Marisa Pinheiro (Xavier Emery).

“Starch/chitosan/silver and starch/chitosan/gold nanocomposites as optical sensor and bioactive coatings for wound dressing applications”, Muneeswaran Thillaichidambaram (Franck Quero).

“Mean dimension and its applications in dynamical systems”, Lei Jin (Alejandro Maass).

“Nonsmooth dynamical system involving regular structures”, David Salas (Aris Daniilidis).

“Dynamical properties of infinite periodic polygonal billiards and translation surfaces”, Ángel Pardo (Alejandro Maass).

“Magnetoelastic coupling in magnetic nanostructures”, Nicolás Vidal (Álvaro Núñez).

“Detección y caracterización de micro/nanoplásticos en matrices acuosas ambientales para la determinación de sus capacidades de adsorción/desorción de otros contaminantes emergentes”, Fallon Nacaratte (Manuel Caraballo).

“Lixiviación solar selectiva de minerales sulfurados y productos metalúrgicos complejos”, Orlando Yepsen (Humberto Estay).

“Ecuaciones diferenciales estocásticas dirigidas por el movimiento Browniano fraccionario: estudio teórico y numérico”, Héctor Araya (Jaime San Martín).

“Evaluating Database Queries Through Points and Boxes”, Javiel Rojas (Gonzalo Navarro).

“The quest for cosmic symmetry breaking patterns and the consistency of bottom-up constuctions of inflationary spacetimes”, Simón Riquelme (Gonzalo Palma).

“Escritura de arreglos de guías de ondas por medio de un láser de femtosegundos”, Diego Guzmán (Rodrigo Vicencio).

“Study of Bradyrhizobium diazoefficiens motility in microenvironments: modeling porous soil using experimental techniques and simulations”, Moniellen Pires (María Luisa Cordero).

“The Role of Protoplanetary Disk Substructures in the Planetary Formation Process”, Enrique Macías (Laura Pérez).

“Solution processed synthesis of nanostructured kesterite CZTS anode material for lithium - ion batteries”, Rajesh Govindaraj (Marcos Flores).

“Políticas Públicas y Mercado Crediticio”, Ana María Montoya (Raimundo Undurraga).

“Termodinámica estocástica de micronadadores con interacciones hidrodinámicas”, Nicolás Rivas (Rodrigo Soto).

“Novel Machine Learning methods using Optimal Transport: Theory, Algorithms and Applications”, Elsa Cazelles (Felipe Tobar).

Comunicaciones FCFM - UChile

Miércoles 23 de enero de 2019

Compartir:
http://uchile.cl/i151214
Copiar

Enviar

Nombre Destinatario:
E-mail Destinatario:
Su nombre:
Su e-mail:
Comentarios: