Centro de Innovación en Cómputo Científico desarrolla tecnología de modelación computacional NeuralNOR

Algunas aplicaciones de la tecnología NeuralNOR son simulaciones de sistemas climáticos y procesos de mantenimiento de equipos industriales y comerciales.

El Centro de Innovación en Cómputo Científico (CICC) de la Facultad de Ciencias de la Universidad Nacional Autónoma de Honduras (UNAH), se encuentra desarrollando una nueva tecnología de inteligencia artificial multipropósito NeuralNOR (Neural Network Operator Representation Technology).

La tecnología NeuralNOR tiene el potencial de ser aplicada en la modelación computacional de cualquier proceso que puede ser interpretado como secuencias de operaciones, lo que la vuelve una herramienta muy versátil.

Algunas aplicaciones de la tecnología NeuralNOR son simulaciones de sistemas climáticos; procesos de mantenimiento de equipos industriales y comerciales; procesos de fabricación y ciencia de materiales; procesos logísticos y cadenas de suministros; de dinámica epidemiológica y de estrategias de mercadeo.

Es de recordar que en noviembre del año pasado se dio a conocer que Fredy Vides, director del CICC, también ha propulsado el proyecto de modelación computacional “Tecnología de modelado SPAAR: autorregresores dispersos semilineales para modelado de sistemas”, que ha entrado en una fase inicial de registro de propiedad intelectual e industrial de la UNAH.

En el programa de entrevistas Café Presencia, Vides compartió con la comunidad universitaria sobre la tecnología NeuralNOR, los detalles a continuación:

Amplíenos sobre la tecnología de modelación computacional que se está desarrollando en el Centro de Innovación en Cómputo Científico (CICC) de la Facultad de Ciencias.

La tecnología de modelación computacional está basada en el paquete SPAAR, que es una primera herramienta que se desarrolló de autorregresores dispersos semilineales. Es una tecnología que permite integrar modelos clásicos; incluye o incorpora técnicas esparcidas.

Algo positivo es que permite a los modelos aprender acerca de fenómenos que se quieren describir, de las transformaciones que se quieren representar, con menos datos que los modelos convencionales dada su naturaleza esparcida. Eso permite aprender con menos información, haciendo un uso particularmente eficiente de la información disponible.

¿Qué es la tecnología SPAAR?  y cuáles son los avances que se han dado en esta tecnología?

La tecnología fue diseñada para modelos dinámicos. En el presente y en colaboración con unidades de otras universidades, se está trabajando en implementarlo en otros procesos que tienen algunos componentes dinámicos. Eso ha llevado a la evolución natural de la tecnología de modelación de procesos dinámicos hacia aplicaciones multipropósito.

La idea es continuar con modelos clásicos, modelos de inteligencia artificial y ponerlos a cooperar en el aprendizaje de comportamientos de determinados fenómenos para luego simular ese comportamiento y poder estudiarlo tanto de manera descriptiva como predictiva.

¿En qué consiste la nueva tecnología NeuralNOR de inteligencia artificial multipropósito?

Es una herramienta computacional basada en un conjunto de programas escritos en el lenguaje de programación Python, que se pueden utilizar para crear simulaciones computacionales de procesos o fenómenos "del mundo real", que permiten describir e incluso predecir el comportamiento de los procesos en estudio, representando los fenómenos en estudio como secuencias de operaciones, cada una de las cuales puede simularse con la herramienta NeuralNOR.

A manera de ejemplo, en un proceso industrial de envasado de mermelada, la máquina que enrosca la tapa de los frascos de mermelada puede interpretarse con una secuencia de varias operaciones de traslación con otras de rotación. Consecuentemente, la tecnología NeuralNOR aprende del proceso de envasado para calcular las representaciones correspondientes de los operadores de traslación y rotación.

Aprendiendo además lo que es "normal" en el proceso de envasado y también lo que es "extraño o anómalo", permitiendo a los usuarios del modelo computacional NeuralNOR recibir alertas tempranas cuando algo no está funcionando del todo bien en el proceso de envasado de mermelada, previniendo fallas graves en la maquinaria de producción.

¿Cómo se continuará trabajando desde el CICC en el 2022?

Se seguirá trabajando en el desarrollo tecnológico, involucrando a estudiantes de posgrado de nuestra universidad como de universidades amigas que se han sumado a este proyecto y que permita la movilidad y la colaboración de estudiantes.

Conozca a Fredy Vides

Fredy Vides es doctor en matemáticas con especialidad en Análisis Matricial y Teoría de Operadores. Es profesor titular III de Ingeniería Matemática de la UNAH desde el 2017 e investigador y consultor científico en temas sobre análisis matricial, teoría de sistemas y optimización numérica. Se ha desempeñado como científico visitante trabajando en proyectos de investigación relacionados con análisis matricial y teorías en sistemas en institutos y universidades de investigación en Estados Unidos, Austria, Canadá y Dinamarca.

 

Noticias relacionadas:

Comentarios