Browse
Recent Submissions
- ItemIncorporating machine learning in search and planning problems(2025) Greco Chandía, Matías José Andrés; Baier Aranda, Jorge Andrés; Pontificia Universidad Católica de Chile. Escuela de IngenieríaLa busqueda heurística es un método universal de resolución de problemas y es el núcleo de la planificación automática. La búsqueda ofrece propiedades teóricas como la completitud y las garantías sobre la calidad de la solución, como la w-optimalidad. Si bien el aprendizaje automático (ML) ha logrado un éxito notable en dominios como la clasificación de imágenes y el procesamiento del lenguaje natural, su aplicación a la búsqueda y la planificación automática presenta desafíos significativos. Los enfoques existentes comúnmente comprometen las propiedades teóricas de los algoritmos de búsqueda tradicionales, lo que destaca la necesidad de nuevos métodos que combinen la adaptabilidad del ML con la confiabilidad de las técnicas basadas en búsqueda. Esta tesis explora cómo los modelos y métodos de ML se pueden integrar de manera efectiva en los problemas de búsqueda para mejorar la eficiencia y la escalabilidad sin sacrificar sus propiedades teóricas. Esta tesis aborda tres preguntas de investigación: (1) ¿Cómo se pueden incorporar las heurísticas y políticas aprendidas en los algoritmos de búsqueda manteniendo las garantías de suboptimalidad? (2) ¿Cómo puede el procesamiento por lotes basado en GPU acelerar el cálculo de las heurísticas aprendidas sin comprometer estas garantías? (3) ¿Cómo pueden los modelos simbólicos parcialmente especificados mejorar el rendimiento de los algoritmos de búsqueda utilizando heurísticas o políıticas basadas en ML? Entre las contribuciones se incluyen el desarrollo de Focal Discrepancy Search (FDS), un algoritmo de búsqueda acotado por suboptimalidad que integra heurísticas aprendidas al tiempo que conserva las garantías teóricas y K-Focal Search, un método acelerado por GPU que mejora la eficiencia de la búsqueda y proporciona soluciones w-optimas. Además, este trabajo presenta un nuevo marco que combina modelos simbólicos parciales con enfoques basados en ML, lo que permite soluciones más escalables y eficientes para tareas de toma de decisiones secuenciales.
- ItemPotencial de licuación de suelos en sismos de subducción de gran magnitud(2025) Santiago Paredes, Yrene del Rosario; Ledezma Araya, Christian Alfonso; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
- ItemA deep learning approach for the identification of new exoplanet candidates(2025) Salinas Mamani, Yesenia Helem; Pichara Baksai, Karim Elías; Pontificia Universidad Católica de Chile. Escuela de IngenieríaEl descubrimiento de nuevos exoplanetas—planetas fuera de nuestro Sistema Solar—es esencial para comprender la estructura actual del Universo y la formación del sistema solar, incluido nuestro propio planeta: la Tierra. Uno de los métodos más utilizados para la detección es el método de tránsito, en el que un planeta pasa frente a su estrella, causando una disminución en el brillo de la estrella. Telescopios espaciales como TESS están diseñados para buscar planetas utilizando este método, generando grandes conjuntos de datos a partir de curvas de luz—una serie temporal que mide la variación en el brillo de una estrella a lo largo del tiempo. Estos conjuntos de datos extensos presentan grandes oportunidades, pero también numerosos desafíos. Las técnicas tradicionales de análisis de curvas de luz, comúnmente utilizadas para la detección de exoplanetas, requieren curvas de luz que contengan múltiples eventos de tránsito periódicos del mismo objeto, y no siempre son eficaces para identificar señales de tránsito poco comunes, como los tránsitos únicos de planetas de período largo. Además, el gran volumen de datos aumenta el riesgo de errores humanos, lo que resalta la necesidad de sistemas automatizados para identificar y validar con precisión los candidatos a exoplanetas. Para abordar estos desafíos y la rápida expansión de los datos astronómicos, los sistemas automatizados se han vuelto cada vez más esenciales para analizar grandes cantidades de datos astronómicos. Los algoritmos de aprendizaje automático, especialmente las redes neuronales (NN), pueden procesar conjuntos de datos a gran escala y aprender patrones complejos de las curvas de luz, mejorando así la identificación de señales de tránsito de exoplanetas. En esta tesis, proponemos un enfoque novedoso para la identificación y detección de nuevos candidatos a exoplanetas sin la necesidad de realizar plegado de fases ni asumir periodicidad en las señales de tránsito, como las que se observan en las curvas de luz de múltiples tránsitos. Para lograr esto, primero implementamos una arquitectura diseñada para identificar las características más significativas de una señal de tránsito y parámetros estelares a través del mecanismo de auto-atención, con el fin de distinguir la señal de tránsito de un exoplaneta de los falsos positivos. Luego, extendimos este enfoque inspirado en Transformers para procesar directamente las curvas de luz y detectar nuevos candidatos a exoplanetas, en lugar de solo clasificar los tránsitos como planetas reales o falsos positivos. Las arquitecturas basadas en atención, como los Transformers, han demostrado recientemente un notable éxito en el procesamiento de datos secuenciales, capturando eficazmente dependencias a largo alcance en comparación con enfoques anteriores. Como resultado, nuestro enfoque identificó 214 nuevos candidatos a sistemas planetarios, incluyendo 122 curvas de luz de múltiples tránsitos, 88 de tránsito único y 4 sistemas multi-planetas de los sectores 1-26 de TESS con un radio >0.27 RJupiter. Este trabajo representa un avance significativo en la automatización del proceso de descubrimiento de exoplanetas. En resumen, esta tesis presenta una metodología para identificar señales de tránsito de exoplanetas utilizando redes neuronales basadas en atención. Una contribución clave es el desarrollo de una red neuronal capaz de detectar nuevos candidatos a exoplanetas sin depender de parámetros previos de los tránsitos, superando las limitaciones de los enfoques anteriores que requieren información de tránsito predefinida. Los resultados demuestran el poder de esta metodología para mejorar la automatización de los descubrimientos de exoplanetas.
- ItemSpatiotemporal analysis of indoor air quality in classrooms in Santiago, Chile(2025) Nourani Jirandeh, Shiva; Jorquera, Héctor; Pontificia Universidad Católica de Chile. Escuela de IngenieríaEn esta tesis se midió las concentraciones de PM2.5 en 30 escuelas de Santiago, Chile. El muestreo de las escuelas fue aleatorio con respecto a las zonas climáticas locales (LCZ). Se instalaron sensores de PM2.5 de bajo costo tanto en el interior como en el exterior. Los datos de los sensores exteriores estuvieron altamente correlacionados con la estación de monitoreo de calidad del aire reglamentaria más cercana (mediana R2 = 0.62, rango IQ: [0.5, 0.71]). Los niveles de PM2.5 en el interior y el exterior estuvieron altamente correlacionados (mediana R2 = 0.91, rango IQ: [0.76, 0.95]) debido a las condiciones de ventilación natural. No hubo una diferencia significativa entre la concentración promedio de PM2.5 en las aulas ubicadas lejos (30 μg/m3) y cerca (30.4 μg/m3) de la calle (valor p = 0.9), lo que sugiere una baja variabilidad espacial de MP2.5 dentro de los límites de las escuelas. Se estimaron altos factores de infiltración en las aulas (Finf) (mediana Finf = 0.9, rango IQ: [0.82, 0.98]). Las escuelas públicas tuvieron concentraciones interiores significativamente (p < 0.05) más altas que las privadas en cada temporada (57.1 y 39.3 μg/m3 en otoño, 43.1 y 35.2 μg/m3 en invierno, 16.9 y 12.6 μg/m3 en primavera). En la temporada de invierno, las escuelas ubicadas en zonas con edificios medianos densos (LCZ2) tuvieron concentraciones promedio exteriores de MP2.5 más altas (55.8 μg/m3) que aquellas en zonas con arreglos abiertos de edificios medianos (LCZ5) (48.3 μg/m3) — p = 0.06. En la temporada de primavera, la concentración promedio exterior fue más alta para las escuelas en una mezcla densa de edificios altos (LCZ1) (22.5 μg/m3) en comparación con las ubicadas en edificios medianos abiertos (LCZ5) (16.7 μg/m3) — p = 0.02. Por lo tanto, una mayor densidad de edificios (clasificación LCZ) debido a la circulación limitada de aire promueve niveles más altos de PM2.5 tanto en el exterior como en el interior de las escuelas. Esto debe ser considerado en la planificación urbana futura. Como la cuantificación de las contribuciones de las fuentes a la PM2.5 interior ha estado limitada por los costos asociados al análisis de especiación química de muestras de PM2.5 interior, en la segunda parte de la tesis, proponemos una nueva metodología económica para estimar tal contribución. Aplicamos FUSTA (FUzzy SpatioTemporal Apportionment) a una base de datos de concentraciones de PM2.5 interiores y exteriores en aulas de 19 escuelas más datos meteorológicos de superficie, para encontrar los principales patrones espaciotemporales (PET) en MP2.5. Encontramos cuatro PET dominantes en MP2.5 exterior; los denominamos regional, mezcla nocturna, tráfico y MP2.5 secundario. Para el MP2.5 interior, encontramos esos mismos cuatro PET exteriores más otro que tiene una evolución temporal distintiva, característica de MP2.5 generada en el interior. Este PET interior presentó un máximo de concentración debido a las actividades de los niños y el mantenimiento de las aulas, con contribuciones mínimas los domingos cuando las escuelas están cerradas. La contribución promedio estimada generada interiormente al MP2.5 fue de 5.7 μg/m3, lo que representa el 17% del total del MP2.5. Si consideramos solo las horas escolares, las cifras respectivas son 8.1 μg/m3 y 22%, respectivamente. Se aplica una regresión MP2.5 interiorexterior por clúster (PET) para estimar los factores de infiltración (Finf) específicos de cada PET por escuela. La mediana y el rango intercuartílico (IQR) de Finf son 0.83 [0.7-0.89], 0.76 [0.68-0.84], 0.72 [0.64-0.81] y 0.7 [0.62-0.9], para las fuentes de mezcla nocturna, secundaria, tráfico y regional, respectivamente. Esta metodología económica puede identificar las contribuciones generadas en el interior al MP2.5 interior, incluida su variabilidad temporal. Finalmente, se estimaron los efectos de la Zona Climática Local (LCZ), la infraestructura verde según el índice NDVI, el estatus socioeconómico según el índice IVE-SINAE y el año de construcción de los edificios sobre la contaminación del aire interior en las aulas (cuantificada por PM2.5) mediante un análisis estándar de ANOVA para encontrar correlaciones entre los factores mencionados con la calidad del aire según cada clúster. En el 52% de los casos, se encontró una relación significativa entre los factores mencionados y el MP2.5 en cada clúster con un valor p menor a 0.05.
- ItemWater balance in the Chilean Altiplano: exploring the spatiotemporal scales of coupled atmospheric-hydrogeological processes(2025) Aguirre Correa, Francisca; Suárez Poch, Francisco Ignacio; Hartogensis, Oscar; Bollasina, Massimo; Pontificia Universidad Católica de Chile. Escuela de IngenieríaEsta investigación estudia los procesos multi-escala que gobiernan el balance hídrico en el Altiplano chileno, una región árida y de gran altitud compuesta por múltiples cuencas endorreicas. Mediante el uso de observaciones in situ, datos de teledetección y modelos numéricos, se analiza cómo la precipitación, la evaporación y el agua subterránea interactúan en escalas continental, regional y de cuenca. A gran escala, se muestra que ∼60% de la variabilidad intraestacional de la precipitación proviene de oscilaciones de alta frecuencia (<20 días) del Monzón de Sudamérica, desencadenadas por ondas de Rossby originadas en la Zona de Convergencia del Pacífico Sur. Estas oscilaciones provocan cambios abruptos entre fases monzónicas activas e inactivas, definiendo cuándo y dónde ocurre la precipitación. A escala regional, una circulación térmicamente impulsada genera un colapso de la capa límite atmosférica al mediodía sobre el desierto y transporta aire más frío y seco hacia humedales y lagunas adyacentes, creando peaks pronunciados de evaporación. Esta interacción pone de manifiesto cómo la dinámica de la capa límite regula la pérdida de agua a la atmósfera en un entorno heterogéneo. Por último, a nivel de cuenca, se observa que la recarga de agua subterránea ocurre en zonas de gran altitud donde la precipitación excede la evaporación. Por el contrario, el agua subterránea aflora en humedales, lagunas y zonas ribereñas de baja altitud que actúan como vías preferenciales para la evaporación, siendo los principales puntos de descarga del sistema endorreico. En conjunto, se demuestra que la precipitación establece el marco de la disponibilidad de agua, los procesos en la capa límite atmosférica rigen las tasas de evaporación y el agua subterránea media los flujos a escala de cuenca. Reconocer estos acoplamientos multiescala es esencial para estimar con precisión el balance hídrico y elaborar estrategias de gestión sostenible ante la variabilidad climática y la creciente demanda de recursos hídricos.