"Nos llena de orgullo destacar que la Universidad de Chile continúa liderando a nivel nacional en la adjudicación de proyectos Fondecyt Regular, un reflejo de la excelencia y el compromiso de nuestra comunidad académica con la investigación de calidad. En particular, la FCFM contribuye con un cuarto de los proyectos adjudicados por nuestra Casa de Estudios, consolidando su posición como un referente en investigación tanto básica como aplicada. Como universidad pública y la más antigua del país, asumimos con responsabilidad nuestro rol de liderazgo, impulsando la generación de conocimiento que contribuya al desarrollo científico, tecnológico y social de Chile”, destacó la directora Académica y de Investigación de la Facultad de Ciencias Físicas y Matemáticas, Viviana Meruane.
El Fondecyt Regular financia proyectos de investigación científica o tecnológica, que conduzcan a nuevos conocimientos o aplicaciones en diversas áreas del conocimiento, con duraciones de entre dos a cuatro años.
La Universidad de Chile obtuvo el mayor número de proyectos adjudicados en el país, de los cuáles 27 proyectos serán ejecutados por la Facultad de Ciencias Físicas y Matemáticas, 12 por la Facultad de Medicina; 8 por la Facultad de Ciencias Sociales así también por la Facultad de Ciencia. 7 proyectos por la Facultad de Filosofía y Humanidades; 6 por la Facultad de Ciencias Químicas y Farmacéuticas; 5 iniciativas se adjudicaron las Facultades de Ciencias Agronómicas, Ciencias Veterinarias y Pecuarias, y el Instituto de Nutrición y Tecnología en Alimentos; 4 obtuvo la Facultad de Derecho; 3 la Facultad de Arquitectura y Urbanismo, y el Instituto de Estudios Avanzados en Educación; 2 proyecto realizarán las Facultades de Ciencias Forestales y Conservación de la Naturaleza, Economía y Negocios, y Odontología. Finalmente, con un proyecto se encuentran la Facultad de Artes, el Instituto de Estudios Internacionales y el Hospital Clínico.
Proyectos de la FCFM: Investigación de base científico-tecnológica
Conoce a continuación algunos de los 27 proyectos liderados por académicos/as de la FCFM que fueron seleccionados por este fondo de la Agencia Nacional de Investigación y Desarrollo (ANID).
“Erosión por subducción potenciada por la colisión de las dorsales de Nazca y Juan, frente a la costa oeste de América del Sur”
Investigador responsable: Eduardo Contreras Reyes, académico del Departamento de Geofísica
"Esta propuesta FONDECYT se centra en la investigación de los procesos de erosión por subducción de dos zonas frente a la costa occidental de América del Sur: la zona de post-colisión o choque entre la cordillera submarina de Nazca y el margen continental peruano; y la zona de colisión entre dorsal de Juan Fernández con el margen continental chileno central”, explicó el académico Eduardo Contreras Reyes.
“El objetivo es modelar, en detalle, la estructura de cuatro líneas sísmicas de ángulo amplio complementados con datos batimétricos (topografía del fondo marino) de alta resolución y de sísmica de reflexión (o método para estudiar el interior de la Tierra mediante la generación y medición de ondas sísmicas). El proyecto es relevante porque permitirá conocer más detalles sobre la evolución sismotectónica de la región centro norte de Perú y Chile central, tanto en tiempo geológico como a escala humana”, precisó el académico del Departamento de Geofísica.
“Técnicas avanzadas de aprendizaje profundo para la generalización de dominio en la detección no supervisada de fallas en equipos industriales”
Investigadora responsable: Viviana Meruane, académica del Departamento de Ingeniería Mecánica.
“El proyecto busca desarrollar modelos de detección de fallas en equipos industriales de forma no supervisada, considerando que estos operan bajo condiciones variables. Para ello, se diseñarán metodologías basadas en técnicas avanzadas de aprendizaje profundo y generalización de dominio -Domain Generalization- con el objetivo de mejorar la capacidad de los modelos para adaptarse y ser robustos frente a escenarios cambiantes o desconocidos. La investigación abarca áreas de conocimiento en inteligencia artificial, ingeniería mecánica y mantenimiento predictivo, contribuyendo a la eficiencia y seguridad industrial”, detalló la académica del Departamento de Ingeniería Mecánica.
“Non-Euclidean geostatistics and its applications to mining engineering”
Investigador responsable: Xavier Emery, académico del Departamento de Ingeniería de Minas.
Este proyectotiene como motivación el modelamiento geológico, geotécnico o geometalúrgico de yacimientos minerales a partir de información de muestreo, que es un insumo clave en la toma de decisiones de exploración, desarrollo o producción.
“Usualmente, el modelamiento numérico de un yacimiento se realiza en un marco euclidiano, es decir, las variables de interés están indexadas por coordenadas cartesianas (típicamente, este, norte y elevación). El proyecto busca desarrollar nuevas herramientas y técnicas geoestadísticas para representar variables definidas en espacios no euclideanos, por ejemplo, superficies curvas o grafos”, explica el académico.
Y agrega: "las aplicaciones incluyen el modelamiento de cuerpos geológicos con geometrías plegadas o falladas, para los cuales la continuidad geológica se explica mejor cuando se siguen los pliegues en lugar de trayectorias rectas, así como de variables cuyos valores dependen de la dirección de la observación, como la frecuencia de fractura lineal o la designación de calidad de la roca".
"Symmetry-conditioned generation of 3D point clouds"
Investigador responsable: Iván Sipirán, académico del Departamento de Ingeniería de Ciencias de la Computación.
Este trabajo, se enmarca en el área de inteligencia artificial y propone una idea nueva. Para entenderla, el académico explica que los modelos generativos, como por ejemplo un modelo que genera imágenes, se entrenan con un conjunto de datos muy grande, donde se espera que el modelo encuentre los patrones de los datos visuales. “El modelo implícitamente descubre los patrones. Uno imaginaría que, si le has enseñado mucha cantidad de fotos, entonces el modelo es capaz de generar la foto de un paisaje porque miró muchas fotos del paisaje. En los datos 3D uno podría hacer lo mismo, tener un conjunto grande de datos, pasarlo al modelo y pedirle que genere un avión, una silla o un objeto que puede ser usado como asset para aplicaciones, por ejemplo. El detalle es que los datos 3D sí tienen información de estructura. Nos dimos cuenta que ningún modelo incorpora esta información de manera explícita. En este contexto, abordamos un problema muy específico en el que buscamos crear un modelo de inteligencia artificial al que le voy a dar un conjunto de datos de la manera usual, pero también le forzaremos a que aprenda y use la estructura de cada objeto, para mejorar la calidad de la generación de datos nuevos”, explicó el académico Iván Sipirán
“Esto podría cambiar la forma como uno aprovecha los datos. Típicamente uno espera que la inteligencia artificial sea capaz de entender los datos, solo por recibirlos como entrada. Nuestra propuesta va más allá, al intentar que los modelos preserven características conocidas de los datos”, concluyó el académico del DCC.
"Información volcánica para fortalecer la gestión territorial en Carrán-Los Venados"
Investigadora responsable: Patricia Larrea, académica del Departamento de Geología.
En mayo pasado, la académica Patricia Larrea se internó en el campo volcánico Carrán-Los Venados junto a su grupo de investigación y descubrió un nuevo centro eruptivo al sur del Lago Maihue, que se viene a sumar a los setenta ya identificados en la zona. ¿Es posible que existan más? La pregunta será respondida gracias al financiamiento de este proyecto Fondecyt, que permitirá mejorar el mapa geológico de la zona y analizar químicamente los productos volcánicos para determinar su génesis, composición y edad. Esta información será clave para mejorar las decisiones de la autoridad en la zona, ya que es un campo volcánico que se encuentra el 6° en el ranking de riesgo específico de volcanes activos de Chile, elaborado por el Servicio Nacional de Geología y Minería (Sernageomin).
"Understanding and predicting snow accumulation across climatic regimes in the Extratropical Andes Cordillera"
Investigador responsable: James Mc Phee, académico del Departamento de Ingeniería Civil.
Esta propuesta busca mejorar la predicción de caudales fluviales en cuencas alto andinas dominadas por la nieve. Se combinarán datos de campo, modelos numéricos y asimilación de datos para lograr tres objetivos: 1) Evaluar la precisión de predicciones meteorológicas existentes para la nieve; 2) Estudiar el impacto de la redistribución de la nieve (viento y avalanchas) en la hidrología, mejorando las parametrizaciones de los modelos; y 3) Utilizar datos observacionales para mejorar las predicciones a través de la asimilación de datos. Con esto se busca aportar mejores predicciones hidrológicas para la toma de decisiones y planificación de recursos hídricos.
"Prevención y gestión de incendios forestales"
Investigador responsable: Andrés Weintraub, académico del Departamento de Ingeniería Inudstrial
El proyecto busca fortalecer las estrategias de prevención, detección y restauración tras incendios forestales; un problema crítico en Chile y el mundo.
La investigación del profesor Weintraub se enfocará en tres ejes fundamentales: 1) detección temprana de incendios, a través de la implementación de tecnologías de vigilancia con drones y patrullas; 2) restauración post-incendios, con el desarrollo de estrategias para la reintroducción de especies en zonas afectadas y análisis de las condiciones que favorecen la propagación de megaincendios; y 3) mejoramiento de la respuesta ante estos eventos.
“Estos enfoques innovadores buscan optimizar la toma de decisiones y reducir el impacto de los incendios”, señala el académico del Departamento de Ingeniería Industrial.
“Modelos de mundo profundo que se pueden aprender, para el aprendizaje reforzado de comportamientos complejos de robots en el mundo real”
Investigador responsable: Javier Ruiz del Solar, director ejecutivo de la AMTC.
“El aprendizaje por refuerzo (RL) es un poderoso paradigma de aprendizaje que hasta ahora se ha aplicado para resolver problemas muy desafiantes. En el caso de aplicar RL para entrenar controladores de robots reales, la interacción del robot con el entorno real es un requisito estricto, y debe ser eficiente para lograr un tiempo de entrenamiento factible, pero también para evitar situaciones peligrosas y daños al robot. Además, es deseable que los robots puedan generalizar y utilizar los conocimientos adquiridos mientras aprenden una determinada tarea en otra tarea”, explicó el académico Ruiz del Solar.
“Una línea de investigación prometedora en RL se basa en el uso de modelos de mundos profundos que se pueden aprender para generar "experiencias imaginadas" y hacer que el proceso de aprendizaje sea más eficiente. Los algoritmos basados en este paradigma recopilan datos para aprender un modelo del entorno y luego utilizan este modelo para generar experiencias sin requerir interacciones reales entre el agente y el entorno. De esta manera, la fase de aprendizaje de la política se puede lograr mediante cualquier algoritmo RL sin modelo”, detalló.
“La propuesta de investigación se centra en desarrollar e integrar ‘modelos del mundo profundo’ que se puedan aprender, informados por modelos de inferencia causal y difusión, en el marco estándar de RL, para entrenar de manera eficiente a los robots para que realicen tareas desafiantes del mundo real. Al hacerlo, pretendemos mejorar las capacidades de generalización de los agentes capacitados, así como la eficiencia muestral de sus procesos de aprendizaje. Ambos aspectos son extremadamente importantes para avanzar en el estado del arte en RL y aprendizaje de máquina a un nivel fundamental. Por lo tanto, el objetivo principal de la propuesta es abordar los problemas de eficiencia de muestreo/aprendizaje y generalización de tareas al aplicar el paradigma RL para aprender comportamientos complejos de robots para el mundo real”, concluyó.
“Materiales multifuncionales auto-reparables basados en quitosano con nanopartículas biopoliméricas para piel-electrómica y empaque de alimentos”
Investigador responsable: Humberto Palza, académico del Departamento de Ingeniería Química, Biotecnolgoía y Materiales.
El proyecto quiere desarrollar materiales auto-reparables, es decir que tengan la capacidad de recuperar sus principales propiedades frente a un daño físico, por ejemplo con la capacidad de recuperar su desempeño mecánico frente a un daño. Para mejorar esta capacidad, se quiere agregar nanopartículas orgánicas que logren acelerar el proceso de auto-reparación. Estos polímeros auto-reparables pueden ser usados como sensores de presión o movimiento (imitando la piel), o para recubrimientos de alimentos.
"Teoria espectral para sistemas de Dirac y Ecuaciones en Derivadas Parciales No-Lineales"
Investigador responsable: Hanne Van Den Bosch del Centro de Modelamiento Matemático
"Con este proyecto estudiaremos dos ecuaciones que describen problemas físicas: la ecuación de Dirac que describe, entre otros, electrones en el grafeno, y la de Vlasov-Poisson que describe la evolución de galaxias. Como ocurre en la mayoría de los casos, no esperamos encontrar una solución exacta a estas ecuaciones, y es costosa aproximarlas con un computador. Por eso, buscamos demostrar teoremas acerca del comportamiento a largo plazo de sus soluciones usando una gran variedad de herramientas matemáticas", explicó el académico-.
“Análisis morfológico cuantitativo y modelamiento físico de la Placa de Nazca: Impactos de las características oceánicas en el norte y centro de Chile”
Investigador responsable: Andrei Maksymowicz Jeria, académico del Departamento de Geofísica.
"En el contexto de las zonas de subducción, un problema sismotectónico que permanece abierto tiene que ver con la caracterización y la cuantificación del impacto mecánico de las estructuras de las placas tectónicas superiores e inferiores sobre la deformación de la corteza terrestre, a largo plazo; y sobre la dinámica de los límites entre las placas tectónicas, donde ocurren los megaterremotos, a corto plazo”, aclara Andrei Maksymowicz.
“Nuestro objetivo principal será investigar, cuantitativamente, la morfología y la deformación elástica de la placa oceánica de Nazca en respuesta a la heterogeneidad de su densidad interna, las características de sus cadenas de montes submarinos, los esfuerzos tectónicos cerca de la fosa marina, y, finalmente, relacionar esta estructura física -previa a la subducción- con las características sismotectónicas de la zona de su subducción en la zona centro-norte de Chile. El coinvestigador de este proyecto es el investigador del AMTC, Sergio León Ríos", explicó el académico del Departamento de Geofísica.
"Información Mutua para el Aprendizaje Profundo de Representaciones y la Detección de Cambio de Modelos: Teoría, Métodos y Aplicaciones"
Investigador responsable: Jorge Silva, académico del Departamento de Ingeniería Eléctrica
El proyecto aborda aspectos fundamentales del aprendizaje de máquina y sus aplicaciones desde la perspectiva de la teoría de información. Este trabajo se centra en desarrollar conocimiento teórico para guiar el diseño de arquitecturas tipo encoder-decoder, con un enfoque en modelar estructuras probabilísticas y patrones de suficiencia de información presentes en datos de alta dimensión (como imágenes, videos y señales mulltimodales). Complementando este enfoque teórico, se desarrollarán métodos basados en datos (data-driven) para estimar medidas de información, identificar estructuras de suficiencia en los datos y utilizar estos estimadores y detectores para adaptar las arquitecturas modernas de aprendizaje a los requisitos específicos de una tarea, dentro de un marco de un esquema tipo "model compression".
"Innovación en logística y optimización de cadenas de suministro"
Investigador responsable: Fernando Ordóñez, académico del Departamento de Ingeniería Industrial.
Este proyecto investigará sobre optimización logística y diseño de redes de transporte, un área clave para mejorar la eficiencia de las cadenas de suministro en un mundo cada vez más digitalizado, explicó el académico.
Su investigación abordará problemas logísticos complejos mediante modelos matemáticos avanzados, con el objetivo de optimizar la toma de decisiones en un sector que representa el 5% del PIB mundial y cuyo impacto ha crecido con la expansión del comercio electrónico y la digitalización de los procesos de entrega.
"Génesis y evolución de arcillas de litio"
Investigador responsable: Diego Morata, académico del Departamento de Geología.
El proyecto estudiará las hectoritas (arcillas ricas en litio) en salares y paleosalares del norte de Chile, lugares con una fuerte componente geotermal. Esta iniciativa será desarrollada por el Centro de Excelencia en Geotermia de Los Andes (CEGA, centro de investigación alojado en el Departamento de Geología U. de Chile).
El académico explicó que el foco de esta investigación será "entender cómo se forman estas arcillas ricas en litio y cómo va cambiando su composición mineralógica durante la diagénesis -proceso de formación de una roca sedimentaria-".
Esta iniciativa es muy relevante en el contexto de la transición energética, ya que ofrecería una fuente de litio más amigable con el medio ambiente, complementaria a las salmueras de litio, detalló el académico del Departamento de Geología.
“Comprensión de los mecanismos que permiten la acumulación de magmas”
Investigador responsable: Francisco Delgado, académico del Departamento de Geología.
Actualmente existe una enorme brecha en el estudio de erupciones de gran tamaño, es decir, aquellas con índices de explosividad IEV>4 y columnas eruptivas sobre los 12 km de alto respecto a erupciones más pequeñas pero mucho más frecuentes, como las de magmas basálticos. En este proyecto, el académico Francisco Delgado y su equipo de investigación se propone comprender los mecanismos que permiten la acumulación de magmas y su posible impacto en erupciones a escala regional. Para ello, y durante los próximos cuatro años, el equipo se concentrará en la zona de los volcanes Cordón Caulle (región de Los Ríos) y Hudson (región de Aysén), donde aplicará técnicas geodésicas, geoquímicas y numéricas para medir deformaciones de la corteza, y variaciones en la composición química de sistemas termales en las inmediaciones de los volcanes.
