National Polytechnic School
Repositorio Institucional de la Escuela Politecnica NacionalNot a member yet
24746 research outputs found
Sort by
Aplicación del cálculo vectorial para el análisis de mediciones de parámetros de radiofrecuencia de una red celular : aplicación del cálculo vectorial para el análisis de mediciones de campo de parámetros de radiofrecuencia de una red celular 4g (caso de estudio zona urbana)
Get PDFEl presente trabajo de titulación se enfoca en el análisis de los parámetros técnicos de la red celular en el sector de La Carolina, al norte de la ciudad de Quito. A través de un enfoque basado en el cálculo vectorial se logró deducir conceptos nuevos a partir de fundamentos matemáticos como la derivada direccional y un análisis angular exhaustivo realizado exclusivamente en el plano horizontal. Este enfoque permitió describir cómo varía la potencia de señal recibida (RSSI) en función de la distancia, el ángulo y sus variaciones. Además, de que se pudo estimar la potencia en un punto determinado conocida su dirección de movimiento, es decir, ángulo y distancia, de esa manera se pudo realizar comparaciones de los resultados experimentales obtenidos de NetMonitor y teóricos obtenidos en base a las ecuaciones propuestas. Por otro lado, se realizó un análisis estadístico de parámetros
clave como el RSSI, RSRQ y RSSNR, con énfasis particular en el RSSI, para comprender de mejor manera el comportamiento de la potencia en una zona urbana. Los resultados evidencian que el análisis vectorial proporciona información adicional útil que se comple
menta con un análisis meramente estadístico, aportando valor a la caracterización de la red celularThis degree project focuses on analyzing the technical parameters of the cellular network in the La Carolina sector, located in the north of Quito. Through an approach based on vector calculus, new concepts were deduced from mathematical foundations such as directional
derivatives and an exhaustive angular analysis conducted exclusively in the horizontal pla ne. This approach enabled the description of how the received signal strength indicator (RS SI) varies as a function of distance, angle, and their variations. Furthermore, it allowed for
the estimation of signal power at a specific point, given its direction of movement—defined by angle and distance. This facilitated comparisons between experimental results obtained from NetMonitor and theoretical results derived from the proposed equations. Additionally, a statistical analysis of key parameters such as RSSI, RSRQ, and RSSNR was conducted, with particular emphasis on RSSI, to gain a better understanding of power behavior in an urban area. The results demonstrate that vector analysis provides valuable additional infor mation that complements a purely statistical analysis, enhancing the characterization of the cellular network
Estudio del mecanismo de reacción de tostación de la calcopirita en distintas atmósferas.
Get PDFThis study investigates the reaction mechanism of chalcopyrite under roasting conditions in both oxidizing and inert atmospheres, using two mineral concentrate fractions: a coarse fraction (74–100 µm) and a fine fraction (38–53 µm), each exhibiting distinct mineralogical and chemical compositions. Through controlled roasting and leaching experiments, complemented by X-ray Diffraction (XRD), X-ray Fluorescence (XRF), Nitrogen physisorption analysis, and Scanning Electron Microscopy (SEM), the influence of temperature, atmosphere, and particle size on the transformation of copper species was evaluated. The results demonstrate that a temperature of 600°C and an oxidizing atmosphere maximize the conversion of chalcopyrite to copper sulfates and oxides, allowing for recoveries of nearly 80% Cu. Kinetic analysis revealed a shift in the controlling mechanism, from a regime dominated by surface chemical reactions in the early stages of roasting to one dominated by O2 diffusion through the ash layer over extended periods. It was identified that the fine fraction, richer in chalcopyrite and copper, favors the formation of soluble species, while the coarse fraction, with higher levels of pyrite, limits metal conversion and recovery. In conclusion, the selectivity of products formed during roasting is determined not only by operating conditions but also by the initial concentrate composition, temperature, and atmosphere. These findings contribute to the optimization of metallurgical roasting processes, enabling more efficient utilization of mineral resources.El presente trabajo analiza el mecanismo de reacción de la calcopirita bajo condiciones de tostación en atmósferas oxidante e inerte, utilizando dos fracciones granulométricas de concentrado mineral: una gruesa (74–100 µm) y otra fina (38–53 µm), ambas con composiciones mineralógicas y químicas diferenciadas. A través de ensayos controlados de tostación y lixiviación, junto con caracterizaciones mediante DRX, FRX, Fisisorción de Nitrógeno y MEB, se evaluó la influencia de variables como temperatura, atmósfera y tamaño de partícula en la transformación de las especies de cobre. Los resultados demuestran que la temperatura de 600 °C y la atmósfera oxidante maximizan la conversión de calcopirita a sulfatos y óxidos de cobre, permitiendo recuperaciones cercanas al 80 % de Cu. El análisis cinético reveló un cambio en el mecanismo controlante: partiendo desde un control dominado por la reacción química superficial en etapas iniciales de tostación, hacia un régimen dominado por la difusión de O2 a través de la capa de ceniza en tiempos prolongados. Se identificó que la fracción fina, más rica en calcopirita y cobre, favorece la formación de especies solubles, mientras que la fracción gruesa, con mayor pirita, limita la conversión y recuperación metálica. En conclusión, la selectividad de los productos formados durante la tostación está determinada tanto por las condiciones operativas como por la composición inicial del concentrado, la temperatura y la atmósfera. Estos hallazgos contribuyen a optimizar procesos metalúrgicos de tostación, permitiendo un mayor aprovechamiento de recursos minerales
Caracterización de actividad superficial en base A secuencias ir y visuales para el volcán “el reventador” : caracterización de la actividad superficial del volcán “El Reventador” a partir de imágenes térmicas las cuáles han registrado eventos eruptivos desde 2018
No full textEl Reventador es uno de los volcanes más interesantes que existe en el Ecuador, por ello en el presente trabajo de investigación se ha planteado como objetivo caracterizar las diferentes dinámicas eruptivas que el volcán ha tenido y los diferentes parámetros que pueden llegar a ser descritos mediante secuencias de imágenes térmicas. Para esto, la metodología que se ha utilizado fue de carácter cualitativo, las caracterizaciones se basaron en las distribuciones de temperatura y los datos que estas nos podían aportar como fueron las duraciones del evento, las temperaturas máximas, las formas que estas tenían para una correlación con otros artículos científicos y se calculó la velocidad de salida de la pluma. Los resultados que se pudieron obtener son seis tipos de eventos, tres son de erupciones de alta energía y tres que tienen características de desgasificaciones producidas por el volcán. Para dos tipos de eventos eruptivos se han encontrado similitudes con los descritos por Vásconez et al.,(2022) y las dinámicas eruptivas relacionadas con los ventos de salida son acordes con lo descrito por Vallejo et al.,(2024). Para el tercer tipo de evento eruptivo, se ha encontrado una dinámica algo peculiar debido a su naturaleza y a su posible causa en este estudio. Las tres tipos de desgasificaciones que se han obtenido, son la desgasificaciones que son comunes en volcanes con una actividad continua esto porque en consecuencia a la continua salida de material y gas por el conducto, este tiende a tener comportamientos que dan paso a que existan eventos como el Chugging, Desgasificación Asimétrica y Puff que son los tipos de desgasificaciones que se han observado. Se ha concluido que las diferentes dinámicas encontradas en el volcán coinciden con la presencia de dos cámaras magmáticas y la interacción entre estas como describió Ridolfi et al.,(2008), además que la arquitectura interna del volcán ayuda a que exista este dinamismo complejo y a la vez interesante.El Reventador is one of the most interesting volcanoes in Ecuador, therefore, the objective of this research work has been to characterize the different eruptive dynamics that the volcano has had and the different parameters that can be described through thermal image sequences. For this, the methodology used was qualitative; the characterizations were based on temperature distributions and the data that these could provide us, such as the duration of the event, the maximum temperatures, the shapes they had for a correlation with other scientific articles, and the exit velocity of the plume was calculated. The results that could be obtained are six types of events, three are high-energy eruptions and three that have characteristics of degassing produced by the volcano. For two types of eruptive events, similarities have been found with those described by Vásconez et al., (2022) and the eruptive dynamics related to the exit vents are in accordance with those described by Vallejo et al., (2024). For the third type of eruptive event, a somewhat peculiar dynamic has been found due to its nature and its possible cause in this study. The three types of degassing that have been obtained are common in volcanoes with continuous activity. This is because, because of the continuous exit of material and gas through the conduit, it tends to have behaviors that trigger into events such as Chugging, Asymmetric Degassing and Puff, which are the types of degassing that have been observed. It has been concluded that the different dynamics found in the volcano relate with the presence of two magma chambers and the interaction between these as described by Ridolfi et al., (2008), in addition to the internal architecture of the volcano contributes to the existence of this complex and at the same time interesting dynamism
Análisis del nivel de madurez organizacional en Industria 4.0 y su efecto en la resiliencia operativa de los procesos de manufactura en grandes empresas del sector de fabricación de artículos plásticos para el envasado, en el Distrito Metropolitano de Quito.
Get PDFLa transformación digital constituye una prioridad estratégica para las organizaciones manufactureras que buscan adaptarse a los retos de la Industria 4.0 y ser resilientes a largo plazo. Esta investigación tuvo como propósito analizar la relación entre el nivel de madurez digital organizacional (variable independiente) y la resiliencia operativa (variable dependiente) en los procesos de manufactura de grandes empresas de la industria plástica ubicadas en el Distrito Metropolitano de Quito. Aunque el título menciona la resiliencia operativa de los procesos de manufactura, en este estudio tanto la madurez digital como la resiliencia se analizaron a nivel organizacional, ya que la capacidad de mantener y recuperar las operaciones depende también de factores como la cultura, la estructura, la tecnología y el conocimiento. Se utilizó un enfoque cuantitativo, de tipo descriptivo-correlacional y diseño no experimental. La muestra estuvo conformada por diez organizaciones grandes del sector CIIU C2220.91, seleccionadas mediante muestreo no probabilístico por conveniencia. La recolección de datos se llevó a cabo mediante una encuesta estructurada, basada en instrumentos previamente validados en investigaciones académicas, que evaluó ocho dimensiones de madurez digital en industria 4.0 y diez dimensiones de resiliencia organizacional. El análisis estadístico se realizó en el programa RStudio e incluyó medidas descriptivas, y el coeficiente de correlación de Pearson para examinar la relación entre variables. También se aplicó ANOVA de un factor para comparar niveles de madurez digital y resiliencia operativa según el nivel tecnológico y la antigüedad de las empresas. Los resultados revelaron niveles intermedios tanto de madurez digital como de resiliencia operativa. En madurez digital, las dimensiones mejor evaluadas fueron calidad, comunicación y Big data. En cuanto a resiliencia operativa, las dimensiones destacadas fueron tecnología, colaboración y flexibilidad. El análisis de correlación de Pearson reveló una relación positiva y fuerte entre ambas variables (r = 0,919; p = 0,00017< 0,05 con el 95 % de confianza), destacando asociaciones muy altas como operaciones - Capacidades, Recursos y Redundancia (r = 0,96), Calidad - Tecnologías de Información y Monitoreo (r = 0,96), Servicio -Velocidad (r = 0,93), Cultura y personal- Adaptabilidad (r = 0,93). El análisis comparativo mostró diferencias significativas en madurez digital según el nivel tecnológico (ANOVA, p = 0.0076 < 0,05 con el 95 % de confianza), con promedios más altos en empresas más avanzadas tecnológicamente. Para la resiliencia operativa, se evidenció una tendencia moderada (p = 0.0669), mientras que la antigüedad no mostró diferencias relevantes, lo cual indica que el tiempo en el mercado no garantiza mayor madurez ni resiliencia.Digital transformation is a strategic priority for manufacturing organizations seeking to adapt to the challenges of Industry 4.0 and achieve long-term resilience. This study aimed to analyze the relationship between organizational digital maturity (independent variable) and operational resilience (dependent variable) in the manufacturing processes of large plastic industry companies located in the Metropolitan District of Quito. Although the title refers to operational resilience in manufacturing processes, both digital maturity and resilience were analyzed at the organizational level, since the ability to maintain and recover operations also depends on factors such as culture, structure, technology, and knowledge. A quantitative, descriptive-correlational, non-experimental design was applied. The sample consisted of ten large organizations in the CIIU C2220.91 sector, selected through non-probabilistic convenience sampling. Data were collected using a structured survey based on previously validated academic instruments, assessing eight dimensions of digital maturity in Industry 4.0 and ten dimensions of organizational resilience. Statistical analysis was carried out using RStudio and included descriptive measures and Pearson’s correlation coefficient to examine the relationship between variables. A one-way ANOVA was also applied to compare digital maturity and operational resilience levels according to companies’ technological level and years in operation. The results revealed intermediate levels of both digital maturity and operational resilience. In digital maturity, the best-rated dimensions were quality, communication, and big data. Regarding operational resilience, the most prominent dimensions were technology, collaboration, and flexibility. The Pearson correlation analysis revealed a strong positive relationship between both variables (r = 0.919; p = 0.00017 < 0,05 with 95 % confidence), highlighting very high associations such as Operations – Capabilities, Resources and Redundancy (r = 0.96), Quality – Information and Monitoring Technologies (r = 0.96), Service – Speed (r = 0.93), and Culture and Personnel – Adaptability (r = 0.93). The comparative analysis showed significant differences in digital maturity according to technological level (ANOVA, p = 0.0076 < 0,05 with 95 % confidence), with higher averages in more technologically advanced companies. For operational resilience, a moderate trend was observed (p = 0.0669), while company age did not show relevant differences, indicating that time in the market does not guarantee greater maturity or resilience
Comportamiento térmico y acústico de materiales de almidón en la construcción : comportamiento acústico de materiales obtenidos para la industria de la construcción
Get PDFEn el desarrollo del presente trabajo se elaboró un material biodegradable capaz de disminuir el ruido ambiental, utilizando almidón de achira como base para obtener una estructura porosa. La formulación del material se realizó de forma experimental mediante un diseño de experimentos (DOE), en el cual se establecieron 8 combinaciones diferentes. Cada experimento fue llevado a cabo de manera individual y, tras analizar los resultados, se seleccionaron 2 muestras que presentaban mejores condiciones tanto superficiales (consistencia mecánica y homogeneidad) como de porosidad la cual es una característica clave para mejorar su desempeño de aislamiento acústico.
Para la elaboración del material compuesto se emplearon los siguientes componentes: almidón de achira, agua destilada, glicerina como plastificante y un refuerzo en proporciones que variaron entre el 10 % y el 25 % respecto al contenido de almidón. Las muestras fueron congeladas durante un periodo de 2 a 3 días y posteriormente secadas en una caja de secado a temperaturas entre 35°C y 45 °C por 4 horas y finalmente llevadas a un deshidratador por al menos 2 horas. Luego de este proceso y selección de las muestras con mejores resultados se evaluaron sus propiedades acústicas y mecánicas, seleccionando la muestra con el mejor desempeño general. Con esta formulación se fabricaron varias probetas para evaluar su desempeño final.
Finalmente, se llevan a cabo pruebas experimentales basadas en normas estandarizadas para evaluar la resistencia mecánica del material y su comportamiento acústico, con el propósito de verificar su viabilidad como material funcional en aplicaciones de aislamiento acústico.In this study, a biodegradable material capable of reducing ambient noise was developed using achira starch as a base to obtain a porous structure. The material was formulated experimentally using a design of experiments (DOE), in which eight different combinations were established. Each experiment was conducted individually, and after analyzing the results, two samples were selected that presented the best surface conditions (mechanical consistency and homogeneity) and porosity, a key characteristic for improving its sound insulation performance.
The following components were used to create the composite material: achira starch, distilled water, glycerin as a plasticizer, and a reinforcement in proportions ranging from 10% to 25% of the starch content. The samples were frozen for two to three days and then dried in a drying box at temperatures between 35°C and 45°C for four hours, before being dehydrator for at least two hours. Following this process and selection of the best-performing samples, their acoustic and mechanical properties were evaluated, and the sample with the best overall performance was selected. Several test specimens were manufactured with this formulation to evaluate their final performance.
Finally, experimental tests based on standardized standards were conducted to evaluate the material's mechanical strength and acoustic behavior, with the aim of verifying its viability as a functional material in soundproofing applications
Estudio preliminar de remoción de azul de metileno mediante fenton heterogéneo empleando como catalizador ferrita de níquel sintetizada por los métodos de combustión en solución e hidrotermal: estudio preliminar de remoción de azul de metileno mediante fenton heterogéneo empleando como catalizador ferrita de níquel sintetizada por el método de combustión en solución.
Get PDFEl trabajo presentado tuvo como objetivo principal evaluar la remoción de azul de metileno (MB) mediante Fenton heterogéneo con catalizador de ferrita de níquel sintetizada (FN) por el método de combustión en solución (SCS) con el solvente eutéctico profundo (DES) etalina como combustible y solvente. El MB es un tinte comercial considerado como un contaminante emergente, comúnmente empleado para estudiar procesos de oxidación avanzada (POAs). El proceso Fenton heterogéneo, uno de los POAs más conocidos, emplea el radical hidroxilo (.OH) y el ion ferroso (Fe2+) o férrico (Fe3+) soportados en un catalizador sólido, para la oxidación de compuestos orgánicos. En este trabajo, se caracterizó la FN sintetizada mediante difracción de rayos X, termogravimetría, absorción atómica, microscopía electrónica de transmisión y fisisorción de nitrógeno. Además, se estudió el efecto de la concentración inicial de H2O2 en la remoción de MB en oscuridad con y sin ferrita de níquel. Respecto a los principales hallazgos, se identificó la ferrita de níquel como la fase cristalina principal, la cual cristalizó en forma de cubos nanométricos de 20-50 nm, los cuales tienen una superficie específica de 29 m2/g y una relación molar Fe/Ni de 1,85. La remoción de MB mediante adsorción fue de 15% con una cinética de adsorción de pseudo-segundo orden. La remoción de MB con H2O2 fue de 11%, 12%, y 10% para las concentraciones iniciales de H2O2 de 0,162 M, 0,081 M, y 0,040 M, respectivamente. La remoción de MB al usar FN y H2O2 simultáneamente fue de 32%, 31%, y 28% para las concentraciones iniciales de H2O2 de 0,162 M, 0,081 M, y 0,040 M, respectivamente. Por consiguiente, se determinó que la ferrita de níquel actuó como catalizador Fenton heterogéneo al alcanzar una remoción mayor a la obtenida solo por adsorción o solo con H2O2. Sin embargo, se detectó lixiviación del material sintetizado, lo que sugiere un mecanismo de degradación mixto por Fenton heterogéneo y homogéneo.The main objective of this study was to evaluate the removal of methylene blue (MB) through heterogeneous Fenton employing as catalyst nickel ferrite (NF), synthetized by solution combustion method (SCS), using the deep eutectic solvent (DES), ethaline as fuel. MB is a commercial dye listed as an emerging contaminant which is commonly used to study advanced oxidation processes (AOPs). The heterogeneous Fenton process, one of the most well-known AOPs), uses hydroxyl radicals (.OH) and ferrous (Fe2+) or ferric (Fe3+) ions supported on a solid catalyst, for the oxidation of organic compounds. In this work, the synthesized NF was characterized using X-ray diffraction, thermogravimetry, atomic absorption, transmission electron microscopy and nitrogen physisorption. In addition, the effect of the initial H2O2 concentration on the MB removal, with and without nickel ferrite, was studied. Regarding the main findings, nickel ferrite was identified as the main crystalline phase, which crystalized as nanometric cubes of 20-50 nm, which have a specific surface area of 29 m2/g and a molar Fe/Ni ratio of 1,85. The MB removal by adsorption was 15% following a pseudo second order adsorption kinetic. MB removal using H2O2 alone was 11%, 12%, and 10% for the corresponding initial H2O2 concentrations of 0,0162 M, 0,081 M, and 0,040 M. MB removal via heterogeneous Fenton was 32%, 31%, and 28% for the corresponding initial H2O2 concentrations of 0,162 M, 0,081 M, and 0,040 M. Therefore, it was determined that NF acted as a heterogeneous Fenton catalyst by achieving higher removal than that obtained by adsorption alone or with H2O2 alone. However, leaching of the synthesized material was detected, suggesting a mixed degradation mechanism by heterogeneous and homogeneous Fenton
Desarrollo de modelos de ia generativa para la inferencia bidireccional entre espectros de masa y estructuras moleculares : modelamiento de la inferencia de estructuras moleculares a partir de espectros de masa usando redes siamesas
Get PDF"Este trabajo de integración curricular se enmarca en el proyecto ""Desarrollo de Modelos de IA Generativa para la Inferencia Bidireccional entre Espectros de Masa y Estructuras Moleculares"". El componente desarrollado tiene como objetivo modelar la inferencia de estructuras moleculares a partir de espectros de masas utilizando redes siamesas. Para ello, se siguió la metodología CRISP-DM, iniciando con una profunda comprensión del dominio de la espectrometría de masas y las representaciones moleculares, como los SMILES.
Luego, se revisó la base de datos CMFID, analizando con detalle sus atributos y realizando un proceso bastante cuidadoso de limpieza y normalización de los espectros; esto sirvió para estandarizar las entradas antes del entrenamiento del modelo. Con esa base, se entrenó una red siamesa orientada a mapear los espectros en un espacio latente que contenga información relevante. Desde ese espacio, se buscó inferir las estructuras moleculares (representadas como SMILES), usando métricas de similitud química para verificar qué tan acertados eran los resultados.
Por último, se desarrolló una API que permite usar el modelo desde una interfaz web construida en Next.js, lo que facilita su integración en flujos reales de análisis químico. Los resultados muestran que las redes siamesas tienen bastante potencial para generar representaciones moleculares a partir de datos espectrales; esto, representa un avance importante en áreas como la bioinformática, la química computacional y el descubrimiento de compuestos bioactivos."This integrative curricular project is part of the initiative “Development of Generative AI Models for Bidirectional Inference between Mass Spectra and Molecular Structures.” The component developed focused on modeling the inference of molecular structures from mass spectra using Siamese neural networks. The CRISP-DM methodology was followed; the process began with a solid understanding of the domain—mass spectrometry and molecular representations like SMILES, which are commonly used in cheminformatics.
The CMFID dataset was then explored, and a careful preprocessing and normalization process was carried out on the spectral data. This step turned out to be quite useful, as it ensured that the input data was consistent and ready for modeling. A Siamese neural network was trained to map mass spectra into a latent space that captures chemically meaningful features. From this space, SMILES strings were inferred, and similarity metrics were applied to evaluate how closely the predicted structures matched the original ones.
Finally, a RESTful API was built to make the model accessible through a web interface developed with Next.js. This not only facilitates its use in real-time chemical analysis workflows, but also makes it easier to integrate into future research or industrial pipelines. Overall, the results show that Siamese architectures have strong potential to learn meaningful chemical representations and to perform reliable molecular inference from spectral data
Proyecto Centinela Avanzado: Fortalecimiento de redes de investigadores, analítica predictiva y seguridad en ambientes académicos : Implementación de analítica predictiva para la proyección académica
Get PDFEn el escenario actual, marcado por el crecimiento constante de la producción científica en Ecuador, resulta cada vez más necesario contar con herramientas tecnológicas que permitan prever tendencias y mejorar la planificación académica. Este proyecto de integración curricular aborda el diseño y la implementación de un módulo de analítica predictiva orientado a proyectar la productividad científica. Para su construcción, se recurrió a técnicas de aprendizaje automático basadas en datos históricos de publicaciones científicas obtenidos de la base Scopus, considerando únicamente aquellas vinculadas a instituciones ecuatorianas. El desarrollo se llevó a cabo bajo la combinación de las metodologías CRISP-DM y SCRUM, lo que garantizó un proceso estructurado, flexible y adaptativo. El modelo resultante permite estimar el número esperado de publicaciones científicas en diferentes horizontes temporales. Este recurso pretende convertirse en un apoyo clave para la toma de decisiones estratégicas en universidades y centros de investigación, ya que facilita la identificación de áreas emergentes, el seguimiento de objetivos académicos y la asignación eficiente de recursos. Los resultados evidencian el valor que ofrece la analítica predictiva para fortalecer el sistema científico del país y orientar la planificación investigativa basada en datos.In the current scenario, marked by the constant growth of scientific production in Ecuador, it is increasingly necessary to have technological tools that allow for predicting trends and improving academic planning. This curricular integration project addresses the design nd implementation of a predictive analytics module aimed at projecting scientific productivity. Its construction used machine learning techniques based on historical data on scientific publications obtained from the Scopus database, considering only those linked to Ecuadorian institutions. The development was carried out using a combination of CRISPDM and SCRUM methodologies, which guaranteed a structured, flexible, and adaptive process. The resulting model allows for estimating the expected number of scientific publications ver different time horizons. This resource aims to become a key support for strategic decision-making in universities and research centers, as it facilitates the identification of emerging areas, the monitoring of academic objectives, and the efficient allocation of resources. he results demonstrate the value that predictive analytics offers in strengthening the country's scientific system and guiding data-driven research planning
Desarrollo de modelos de IA Generativa para la Inferencia Bidireccional entre Espectros de Masa y Estructuras Moleculares : Generación de Espectros de Masa a partir de Estructuras SMILES utilizando información 2D de los compuestos
Get PDFEsta actividad de integración curricular se enmarca en el desarrollo de inteligencia artificial generativa basada en aprendizaje profundo, orientada a la predicción in silico de espectros de masas a partir de estructuras moleculares en formato SMILES. El objetivo principal fue crear un sistema basado en redes neuronales gráficas (GNN) que, a partir de información estructural 2D de compuestos, permita predecir espectros con una precisión razonable. Para lograrlo, se diseñó un pipeline de preprocesamiento que convierte moléculas en grafos enriquecidos con características atómicas y de enlaces, seguido de la implementación de un modelo de aprendizaje profundo capaz de identificar patrones relevantes en la fragmentación molecular.
La validación del modelo se realizó mediante métricas como el error absoluto medio (MAE), la similitud del coseno y análisis visuales comparando espectros predichos con reales. En general, el sistema mostró un buen rendimiento, especialmente con moléculas de peso moderado y estructuras comunes. Sin embargo, tuvo dificultades para generalizar en compuestos de gran tamaño o alta complejidad, lo que abre la puerta a mejoras en la arquitectura del modelo y en la diversidad del conjunto de entrenamiento.
Este componente representa un avance relevante en la automatización del análisis espectral y establece una base sólida para futuras aplicaciones en campos como la metabolómica,el descubrimiento de fármacos y el análisis químico computacional.This curricular integration project focuses on the development of generative artificial intelligence models for predicting mass spectra from molecular structures represented in SMILES format. The main objective was to build a system based on graph neural networks
(GNNs) that, using 2D structural information of compounds, enables accurate in silico spectral inference. To this end, a preprocessing pipeline was designed to convert molecules into enriched graphs with atomic and bond features, followed by the implementation of a deep learning model capable of capturing structural patterns relevant to molecular fragmentation.
System validation was carried out through quantitative metrics such as mean absolute error (MAE), cosine similarity, and visual comparisons between predicted and real spectra. The model showed good overall performance, with higher accuracy on medium-weight molecules and common substructures. However, it struggled to generalize on very large or highly complex compounds, suggesting potential improvements in model architecture and training
data diversity.
This component represents a significant step toward the automation of spectral analysis and lays the groundwork for future applications in metabolomics, drug discovery, and computational chemical analysis
Plataforma de aprendizaje interactivo en línea : Componente de infraestructura de TI
Get PDFLa monitorización de infraestructuras complejas, como aquellas que alojan plataformas edu
cativas basadas en Moodle, enfrenta el desafío creciente de gestionar grandes volúmenes
de datos. Los sistemas actuales generan miles de métricas por segundo y registros de
eventos (logs) de forma continua, lo que supera la capacidad de análisis manual y dificulta
la identificación de comportamientos anómalos de manera oportuna. Los métodos tradi
cionales, fundamentados en umbrales estáticos y búsquedas por palabras clave, resultan
insuficientes, ya que ofrecen respuestas reactivas en lugar de proactivas. Esta limitación
repercute negativamente en la disponibilidad, el rendimiento y la capacidad de diagnóstico
en servicios críticos.
El trabajo implementa una solución de observabilidad inteligente en una infraes
tructura de Moodle desplegada mediante contenedores. La solución se compone de dos
pilares complementarios: por un lado, Netdata con capacidades de Machine Learning, en
cargado de monitorizar en tiempo real miles de métricas del sistema y de identificar com
portamientos atípicos sin requerir configuraciones manuales; por otro, un script denominado
loginsights.py, que se integra con un modelo de lenguaje grande (Ollama utilizando tiny
llama:1.1b), orientado a realizar un análisis semántico automatizado de los logs generados
por los contenedores. Esta combinación proporciona una visión cuantitativa y cualitativa del
comportamiento de la infraestructura.
Los resultados evidencian que esta solución facilita la identificación de eventos relevantes
tanto en las métricas del sistema como en los logs, mejorando la capacidad de comprensión
sobre el comportamiento de la infraestructura. Si bien no se estableció una relación directa
entre las anomalías detectadas por Netdata y los errores reportados por el análisis de logs,
ambos enfoques resultan complementarios para fortalecer la capacidad de diagnóstico. En
conjunto, permiten disponer de información más estructurada y detallada para el análisis de
incidencias.)The monitoring of complex infrastructures, such as those hosting Moodle-based educational platforms, faces the growing challenge of managing large volumes of data. Current systems generate thousands of metrics per second and continuous event logs, overwhelming manual analysis capabilities and hindering the timely identification of anomalous behavior. Traditional methods, based on static thresholds and keyword searches, are insufficient, offering reactive rather than proactive responses. This limitation negatively impacts the availability, performance, and diagnostic capacity of critical services.
This work implements an intelligent observability solution in a Moodle infrastructure deployed using containers. The solution is composed of two complementary pillars: on one hand, Netdata with Machine Learning capabilities, responsible for real-time monitoring of thousands of system metrics and identifying atypical behaviors without requiring manual configurations; on the other, a script named loginsights.py, which integrates with a large language model (Ollama using tinyllama:1.1b), aimed at performing automated semantic analysis of the logs generated by the containers. This combination provides both a quantitative and qualitative view of the infrastructure's behavior.
The results show that this solution facilitates the identification of relevant events in both system metrics and logs, enhancing the ability to understand the infrastructure's behavior. Although a direct relationship was not established between the anomalies detected by Netdata and the errors reported by the log analysis, both approaches are complementary in strengthening diagnostic capabilities. Together, they provide more structured and detailed information for incident analysis