Matemáticas avanzadas para la Industria
El Centro de Modelamiento Matemático (CMM) de la Universidad de Chile desarrolla investigación aplicada para la resolución de diversas problemáticas provenientes de la Industria.
Matemáticas avanzadas para una mejor sociedad
El CMM, inaugurado en el año 2000, es hoy la institución de investigación científica más activa en modelación matemática en Latinoamérica. Es un centro de excelencia de ANID, ubicado en la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile y que hoy integra a otras ocho universidades asociadas. Su misión es crear matemáticas para dar respuesta a problemas de otras ciencias, la industria y las políticas públicas. Busca desarrollar ciencia con los más altos estándares, excelencia y rigurosidad.
Las líneas estratégicas del CMM se enfocan en Ciencia de datos; Clima y biodiversidad; Educación matemática; Minería Digital; Redes Sostenibles para Energía y Asignación de Recursos; y Salud Digital.
El uso de modelos matemáticos, métodos innovadores y computación de alto rendimiento en estas áreas permite solucionar problemas, optimizar procesos, aprovechar oportunidades y apoyar con herramientas científicas la toma de decisiones en los principales sectores productivos y de políticas públicas del país.
@centro-de-modelamiento-matematico
@cmmuchile
Twitter / X
@cmmuchile
@CMMUChile
CMM Ciencia de Datos
Esta línea se enfoca en diseñar e implementar soluciones para problemas complejos de datos, contribuyendo al análisis, la toma de decisiones y la mejora de procesos en áreas como bio y astroinformática, marketing, finanzas, seguridad, retail, transformación digital y procesamiento de audio, imágenes y lenguaje natural.
Ofrece soluciones integrales desde la adquisición y curación de datos hasta el modelado y desarrollo de software con computación de alto rendimiento, combinando la experiencia de matemáticos, informáticos e ingenieros con expertos en áreas específicas.
Contacto
Joaquín Fontbona
Investigador Asociado CMM
fontbona (at) dim.uchile.cl
Caso de éxito
Tomografía Sísmica Pasiva
Desarrollamos un sistema de imagenología sísmica 4D para monitorear macizos rocosos en minería subterránea. Utiliza inteligencia artificial para procesar registros sísmicos en tiempo real, creando una imagen 3D del medio de propagación (Velocidad P y S) y localizando fuentes sísmicas con precisión. Proporciona información dinámica sobre la respuesta del macizo a operaciones mineras, permitiendo decisiones seguras y eficientes, a un costo accesible incluso para pequeñas y medianas empresas mineras.
CMM Clima y biodiversidad
En esta línea se ha desarrollado una amplia experiencia en la intersección de las matemáticas, la biología de sistemas y la bioinformática. Esta experiencia se ha aplicado en importantes proyectos como la genómica del salmón del Atlántico, bacterias utilizadas en biolixiviación del cobre y el microbioma oceánico. A través de muy diversos proyectos y asociaciones –en minería, acuicultura, agricultura y salud–, se ha generado un corpus de conocimientos sobre cambio climático y biodiversidad.
El uso de matemáticas en proyectos interdisciplinarios es fundamental debido a complejidad de estos problemas. Se trabaja en la identificación de nichos ambientales y en la predicción de cambios en ellos, por ejemplo, a través del análisis de datos recolectados en el Desierto de Atacama y en las expediciones TARA Océan. Además, se estudian los efectos de eventos climáticos extremos y su impacto en la sociedad y los sistemas naturales.
Contacto
Sebastián Mendoza
PhD en Biotecnología
smendoza (at) cmm.uchile.cl
CMM Minería Digital
Este grupo desarrolla matemáticas para entender fenómenos complejos en la industria minera, proporcionando gemelos digitales, modelos y algoritmos para apoyar la toma de decisiones. Se enfoca en la simulación de riesgos geomecánicos, análisis de procesos mineros y desarrollo de herramientas matemáticas para geomática e imágenes satelitales.
Contacto
Jaime Ortega
Investigador Principal CMM
jortega (at) dim.uchile.cl
CMM Redes Sostenibles para Energía y Asignación de Recursos
Esta línea se enfoca en el diseño de estrategias óptimas para la asignación de recursos en escenarios con restricciones económicas. Abarcan una pluralidad de problemas que van desde la ubicación de sensores para prevenir desastres y el manejo de recursos humanos hasta la localización de escuelas, la eficiencia energética, la producción sustentable.
Contacto
Iván Rapaport
Investigador Principal CMM
rapaport (at) dim.uchile.cl
CMM Salud Digital
El objetivo de la línea es mejorar el acceso y eficiencia de la salud en Chile a través de la incorporación de la modelación matemática y herramientas de inteligencia artificial en los procesos de las instituciones de salud.
La modelación matemática y las nuevas herramientas de optimización e inteligencia artificial se están utilizando para mejorar la gestión hospitalaria, generando oportunidades para aumentar la cobertura y resolutividad de las instituciones de salud, mediante la actividad de las 5 sublíneas de CMM Salud Digital, las cuales son gestión en salud, epidemiología, procesamiento de lenguaje natural en medicina, genómica y diagnósticos asistidos por inteligencia artificial.
Las soluciones de CMM Salud Digital son utilizadas actualmente por el Hospital pediátrico Dr. Luis Calvo Mackenna, la Fundación Arturo López Pérez, y el Ministerio de Salud, entre otros.
Caso de éxito
Algunos proyectos de Salud Digital
Predicción e identificación de pacientes con alta probabilidad de ausentarse a su cita médica
Desarrollo e implementación de plataforma basada en machine learning para predecir la probabilidad de inasistencia de un paciente a una cita médica.
Predicción del peak de hospitalizaciones pediátricas por infecciones respiratorias agudas
Desarrollo e implementación de plataforma para predecir la fecha y el tamaño del peak de hospitalizaciones de enfermedades por causa respiratoria en hospitales públicos.
Modelamiento matemático de procesos epidémicos incorporando estructura poblacional, regional y grupos de riesgo
Desarrollo de recomendaciones de políticas públicas para la toma de decisiones de organismos de los respectivos estados de Chile y México, basados en modelación matemática incorporando determinantes sociales.
Contacto
Héctor Ramírez
Director CMM
saluddigital (at) cmm.uchile.cl
ALeRCE - Bróker astronómico
El proyecto ALeRCE (del inglés Automatic Learning for the Rapid Classification of Events) es un agente o broker astronómico que actúa de intermediario entre los grandes telescopios de levantamiento del cielo, como el observatorio Vera C. Rubin que se construye en la región de Coquimbo, y los telescopios de seguimiento que seguirán los objetos más interesantes con instrumentos especializados.
ALeRCE es una colaboración entre varias instituciones en Chile: el Instituto Milenio de Astrofísica (MAS), el Centro de Modelamiento Matemático (CMM), la Fundación Data Observatory (DO) y la Universidad de Concepción (UdeC). ALeRCE es uno de los siete brokers seleccionados para recibir las más de 10 millones de alertas diarias que emitirá Rubin, y el único broker en el hemisferio sur.
Continuar leyendo
El proyecto ALeRCE ha dado origen a más de 20 publicaciones indexadas en tópicos de astrofísica, inteligencia computacional e ingeniería de software; y ha sido utilizado en 169 publicaciones científicas de usuarios de nuestro proyecto alrededor del mundo. ALeRCE se destaca por ser el primer broker en clasificar objetos astronómicos usando inteligencia artificial (IA), desde 2019; por ser el broker que más supernovas ha reportado a la comunidad internacional, más de 20 mil o más del 15% de las supernovas conocidas; por la diversidad de casos científicos que aborda con una amplia red de usuarios en más de 150 países; y por su gran equipo interdisciplinario de ingeniero/as de software, experto/as en machine learning, estadísticos, y astrónomo/as distribuidos entre las ciudades de Santiago y Concepción.
Además de procesar las alertas que recibe de diversos instrumentos, ALeRCE mantiene servicios para búsqueda de supernovas jóvenes, exploración y visualización general de objetos, seguimiento de objetos de interés, servicio de acceso programático a los datos, cliente de acceso vía Python, o servicio de asociación automática de galaxias anfitrionas.
En ALeRCE se desarrolla investigación de frontera gracias al uso de distintas metodologías. En términos de manejo de grandes volúmenes de datos: ingesta de grandes flujos de datos usando Kafka, procesamiento masivo de datos en tiempo real vía dockers y Kubernetes, almacenamiento e indexado en bases de datos relacionales (PostgreSQL) y no relacionales (MongoDB) en tiempo real, o análisis masivo de datos como post procesamiento usando Spark. En términos de aprendizaje de máquinas: entrenamiento y puesta en producción de modelos de clasificación de imágenes usando redes convolucionales, modelos de clasificación de series de tiempo usando métodos clásicos y el mecanismo de atención, modelos de detección de anomalías usando diversos algoritmos, modelos de asociación entre objetos astrofísicos usando redes convolucionales, o modelos de inferencia de parámetros físicos usando inferencia variacional amortizada, entre otros. En términos de operaciones: mantención de arquitectura elástica en la nube (AWS) y en infraestructura propia (vía fondo ANID Quimal) para procesar y disponibilizar los datos, incluyendo APIs y clientes en lenguaje Python.
Caso de éxito
Clasificación de alertas de ZTF y red ATLAS
Actualmente ALeRCE ingiere, anota, clasifica y disponibiliza información acerca de más 100 millones de objetos que se reciben diariamente en forma de más de 300 mil alertas, paquetes de datos que se emiten cuando objetos astrofísicos cambian su brillo o posición en el cielo, desde telescopios precursores del observatorio Rubin, como el Zwicky Transient Facility (ZTF) en EE. UU. y la red de telescopios ATLAS –cuyo objetivo es detectar y alertar de forma temprana asteroides que presenten un riesgo para la vida de las personas– en Hawái, Chile y Sudáfrica.
Contacto
Francisco Förster
Investigador Asociado CMM
francisco.forster (at) gmail.com
En línea
alerce.science
Twitter / X
@alercebroker
CopernicusLAC Chile - Centro Regional Copernicus para América Latina y el Caribe
Proyecto financiado por la Unión Europea y la U. de Chile, y ejecutado por el CMM. Opera como un centro dedicado al almacenamiento, procesamiento, distribución de datos satelitales del Programa Copernicus y la prestación de servicios de interés regional en beneficio de todos los países de América Latina y el Caribe (LAC).
CopernicusLAC Chile prestará servicios de almacenamiento, procesamiento y distribución de datos satelitales para la región en las áreas de uso y cobertura de suelo, áreas urbanas y océanos y costas, lo que incluye la coordinación de datos in situ, es decir, aquellos que provienen de estaciones meteorológicas terrestres, boyas oceánicas y redes de seguimiento de la calidad del aire, entre otros.
Contacto
Verónica Lecaros
vlecaros (a) cmm.uchile.cl
En línea
www.copernicuslac-chile.eu
@copernicuslacchile
NLHPC - Laboratorio Nacional de Computación de Alto Rendimiento
Es el centro nacional de supercomputación en Chile. Estamos especializados en computación de altas prestaciones (HPC) y gestionamos Guacolda-Leftraru Epu, el supercomputador más potente de Chile y uno de los más poderosos en Sudamérica.
El NLHPC está al servicio de la comunidad científica nacional, del Estado y de la industria que requieran servicios de HPC, con objeto de mejorar su productividad y posicionamiento a nivel internacional. Tiene como misión satisfacer la demanda científica nacional de computación de alto rendimiento, ofreciendo servicios de alta calidad y promoviendo su uso en las problemáticas de investigación tanto básica como también aplicada.
Contacto
Pedro Schurmann
Director de Proyectos Senior
pschurmann (at) nlhpc.cl
En línea
www.nlhpc.cl
Caso de éxito
Simulación de operación de Block Caving mediante el uso de elementos discretos (DEM)
JRI Ingeniería está proponiendo a la industria minera un quiebre tecnológico para la operación de la gran minería en Chile. El desarrollo corresponde a un método de extracción minera subterránea denominado Wasteless Mining (WLM), el cual propone que la disposición de los relaves sea en las mismas oquedades que se forman en el proceso de Block o Panel Caving.
Continuar leyendo
Este proceso trae ventajas ambientales muy relevantes, siendo la principal el prescindir de un depósito de relaves fuera de la mina, ya que los relaves se devuelven a la misma de manera segura y rentable. Sin embargo, el método trae consigo un riesgo operacional relevante relacionado con la dilusión del material (que se mezcle el mineral con el relave), lo que podría mermar el negocio. Es por eso que la operación debe ser muy bien planificada, con un buen control de posición de los relaves mediante mediciones y simulaciones computacionales.
Para lo anterior, es necesario desarrollar un modelo matemático que permita predecir la frontera entre el mineral (valioso) del relave. En este caso, se utilizó el método de elementos discretos (DEM), el cual es muy simple y representativo de la realidad; sin embargo, la gran desventaja del mismo es la exigencia computacional necesaria para el cálculo. De ahí nace la necesidad de contar con la participación del NLHPC, donde se solicitó el apoyo en la configuración de los modelos (desarrollados en YADE) para correr el clúster y tiempo de procesamiento para validar los modelos a mayor escala.
Conozca los Servicios para la Industria NLHPC.
El Centro de Modelamiento Matemático (CMM) es un centro científico nacional líder en investigación y aplicaciones de las matemáticas. Su objetivo es crear nuevas matemáticas y utilizarlas para resolver problemas procedentes de otras ciencias, la industria y las políticas públicas.
Más información
Contacto
infocmm@cmm.uchile.cl
+56 2 2978 4870
Avenida Beauchef 851,
Edificio Norte, piso 7
Santiago, Chile