Los académicos del Departamento de Ingeniería Civil (DIC) Leonel Quinteros y Diego Pizarro, y del Departamento de Ingeniería Industrial (DII), Javier Cembrano, de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile, recibirán ocho millones de pesos cada uno, con una duración de dos años de ejecución, para desarrollar sus proyectos gracias al “Concurso U-Inicia: Reforzamiento de inserción en investigación de nuevos académicos 2026”.
El financiamiento es entregado por la Vicerrectoría de Investigación y Desarrollo de la Universidad con el objetivo de potenciar la productividad científica y consolidar la carrera académica de quienes se integran recientemente a la institución.
Proyectos FCFM adjudicados
Hormigones Autosensibles: Multiescala de la fractura mediante concreto inteligentes y modelación de Phase-Field
El proyecto de Leonel Quinteros busca desarrollar hormigones capaces de “sentir” su propio estado de daño mediante la incorporación de nanomateriales conductivos, como nanotubos de carbono. En él, se estudiará experimentalmente cómo cambia la respuesta eléctrica del material a medida que se deforma y aparecen grietas, para luego combinar estos resultados con modelos computacionales avanzados de fractura basados en Phase-Field. De esta manera, se busca relacionar directamente la evolución del daño estructural con una señal eléctrica medible.
“La relevancia del proyecto está en que apunta a avanzar hacia estructuras capaces de monitorear su propia condición. Actualmente, la detección de daño en estructuras de hormigón depende en gran medida de inspecciones periódicas o de sensores externos. Un material autosensible podría complementar estas herramientas y permitir una detección más temprana y distribuida de la aparición y propagación de grietas”, explica el académico, quien es especialista en materiales inteligentes y mecánica computacional.
“El proyecto integra experimentación, mecánica computacional, nanotecnología y monitoreo de salud estructural, abriendo una línea de investigación con potencial aplicación en infraestructura más segura, resiliente y con mejores estrategias de mantenimiento”, agrega Quinteros.
Marco probabilístico de predicción de modos de falla de muros de corte de hormigón armado
Los edificios chilenos están estructurados en base a muros de hormigón armado. Dependiendo de las características del edificio o de los materiales, los muros pueden desarrollar distintos modos de fallas. Alguna de esta puede ser dúctil, es decir, permite gran deformación antes de colapsar, o frágil, que tiene una pérdida de resistencia abrupta.
En este sentido, es fundamental conocer el modo de falla de un elemento en la fase de diseño o evaluación de la estructura existente, por lo que el proyecto del académico del DIC, Diego Pizarro, busca desarrollar y calibrar un modelo de Machine Learning para predecir la falla de muros de hormigón armado basado en experiencia experimental. A diferencia de modelos y estudios actuales que entregan una única clasificación, por ejemplo "falla por corte", el proyecto busca analizar y entregar las probabilidades asociadas a cada modo de falla.
“El uso de Machine Learning ha aumentado rápidamente en Ingeniería Estructural, incluyendo aplicaciones que predicen el comportamiento y fallas de muros de hormigón armado. Sin embargo, cuando estos modelos entregan una única respuesta, están ocultando parte de la incertidumbre inherente del problema. Este proyecto busca abordar esta limitación con un enfoque probabilístico entregando una probabilidad calibrada de cada modo de falla. Esto permitirá al ingeniero saber qué modo de falla es probable, sin dejar de lado los que también podrían ocurrir” señala el académico, quien aclara que el objetivo del proyecto “no es reemplazar al ingeniero estructural, si no que entregar información adicional para una toma de decisiones más informada y transparente”.
Incentivos en elección social: estructura y mecanismos
El proyecto del académico del Departamento de Ingeniería Industrial, Javier Cembrano, busca comprender cómo el comportamiento estratégico influye en procesos de decisión colectiva, como la elección de representantes o la asignación de recursos públicos. A partir de ese análisis, se pretende diseñar mecanismos que reduzcan sus posibles efectos adversos y favorezcan resultados justos y representativos.
“El proyecto se sitúa en la intersección entre la elección social y la teoría algorítmica de juegos. En el área de elección social, se estudia cómo combinar preferencias individuales para tomar decisiones colectivas. El desafío que motiva la incorporación de la teoría de juegos es que quienes participan pueden tener incentivos para ocultar o tergiversar sus verdaderas preferencias con el fin de obtener un resultado más favorable. Por ello, es necesario diseñar reglas que promuevan una participación honesta o que, aun en presencia de comportamiento estratégico, conduzcan a un equilibrio socialmente deseable”, indica el investigador.
“El proyecto busca explorar preguntas en tres contextos relevantes en la práctica: los sistemas de elección parlamentaria, la selección de comités en grupos en que las personas son candidatas y votantes a la vez, y la asignación de recursos escasos bajo restricciones combinatoriales”, agrega el académico.
