ValgrAI ha celebrado una edición muy especial de sus encuentros mensuales de divulgación científica con el XXX Matinal de Investigación, alcanzando así los treinta «cafés» dedicados a compartir los últimos avances en Inteligencia Artificial y acercar la investigación desarrollada dentro de nuestro ecosistema a toda la comunidad.
Durante esta trigésima edición, celebrada en formato online, investigadores, estudiantes y profesionales pudieron conocer dos trabajos que muestran la diversidad de ámbitos en los que la Inteligencia Artificial, el aprendizaje automático y las técnicas de optimización pueden contribuir a resolver problemas complejos. Desde la mejora de los sistemas modernos de comunicaciones inalámbricas hasta una distribución más eficiente de los recursos sanitarios, las ponencias volvieron a poner de manifiesto el carácter transversal y aplicado de la investigación.
1. Physically constrained unfolded multi-dimensional OMP for large MIMO systems
La primera ponencia fue impartida por Nay Klaimi, investigadora predoctoral del laboratorio IETR del INSA Rennes, que actualmente realiza una estancia de investigación en Valencia junto a Joaquín Torres. Su trabajo se centra en el aprendizaje automático basado en modelos aplicado a las comunicaciones inalámbricas.
Durante su intervención, Nay Klaimi presentó MOMPnet, un nuevo enfoque de recuperación dispersa que combina técnicas de deep unfolding con aprendizaje de diccionarios basado en datos. La investigación aborda algunos de los principales retos asociados a la estimación de canal y la localización en sistemas modernos de comunicaciones, donde los métodos tradicionales dependen de modelos físicos que no siempre representan con precisión las condiciones reales y cuya complejidad computacional aumenta considerablemente en sistemas MIMO de gran escala.
La propuesta busca hacer frente simultáneamente a estos problemas de fiabilidad y complejidad. En lugar de utilizar un único diccionario de grandes dimensiones, MOMPnet emplea varios diccionarios independientes y de menor tamaño, haciendo posible aplicar un algoritmo multidimensional Orthogonal Matching Pursuit con una menor complejidad computacional. Además, la combinación del conocimiento físico con técnicas de aprendizaje permite compensar determinadas imperfecciones del hardware manteniendo la interpretabilidad del modelo.
El sistema ha sido evaluado utilizando datos de canal realistas y comparado con diferentes métodos de referencia, mostrando resultados prometedores para avanzar hacia soluciones más eficientes y fiables en sistemas de comunicaciones inalámbricas de nueva generación.
2. Problema de distritación sanitaria: diferentes métodos para la asignación de la población
La segunda intervención corrió a cargo de Damián Pérez Asensio, investigador predoctoral del proyecto Hireves y estudiante del programa de Doctorado en Estadística y Optimización de la Universitat Politècnica de València. Su investigación está centrada en la optimización de los recursos sanitarios y, concretamente, en el problema de la distritación sanitaria.
Durante la ponencia, Damián Pérez Asensio abordó el desafío de asignar de manera eficiente la población a los distintos distritos sanitarios o departamentos de salud. Los cambios demográficos y socioeconómicos experimentados a lo largo del tiempo pueden provocar que las delimitaciones territoriales existentes dejen de responder adecuadamente a la distribución real de la población y a sus necesidades asistenciales, haciendo necesario explorar nuevas formas de organizar estos recursos.
La investigación analiza diferentes metodologías para resolver este problema. En primer lugar, se plantea una aproximación geométrica basada en polígonos de Voronoi. Posteriormente, se desarrolla un modelo matemático capaz de obtener soluciones óptimas para instancias de menor tamaño y, finalmente, se propone una metaheurística de tipo GRASP destinada a abordar problemas de mayor escala.
Este último enfoque permite considerar restricciones fundamentales como la contigüidad territorial de los distritos y, al mismo tiempo, tratar de reducir las distancias que debe recorrer la población para acceder a los recursos sanitarios. El trabajo muestra así el potencial de las técnicas de optimización para contribuir a una planificación territorial de la sanidad más eficiente y adaptada a las necesidades reales de la ciudadanía.
Con esta trigésima edición, los ValgrAI Matinales de Investigación alcanzan un nuevo hito como espacio para la divulgación científica, el intercambio de conocimiento y la conexión entre el talento investigador y la comunidad interesada en la Inteligencia Artificial. Dos ponencias muy diferentes que reflejan, una vez más, la amplitud de disciplinas desde las que la investigación y las tecnologías inteligentes pueden contribuir a resolver retos reales, desde las comunicaciones inalámbricas del futuro hasta la planificación y optimización de los servicios sanitarios.
¡Nos vemos en la próxima edición de los Matinales de Investigación!
