Participamos activamente en proyectos de investigación aplicada, colaboramos con universidades y centros tecnológicos, y publicamos resultados en congresos y revistas de referencia.
Desarrollamos métodos de inspección visual automatizada con redes convolucionales profundas, análisis hiperespectral y fusión multisensorial. Investigamos en detección de defectos con muy pocas muestras (few-shot), adaptación de dominio y calibración de incertidumbre en sistemas de calidad certificados.
Investigamos arquitecturas de federated learning con privacidad diferencial integrada, comunicación eficiente y robustez frente a clientes maliciosos (Byzantine resilience). Exploramos la combinación con meta-learning para adaptación rápida a distribuciones de datos heterogéneas.
Desarrollamos nuevas familias de metaheurísticas con metáforas geomorfológicas (procesos fluviales y orográficos) aplicadas a problemas de optimización combinatoria. Investigamos en hibridación con programación matemática y aprendizaje por refuerzo.
Investigamos modelos de predicción de series temporales multivariantes para aplicaciones de energías renovables, demanda eléctrica y gestión de activos industriales. Combinamos transformers temporales con datos de reanálisis meteorológico y señales de mercado.
Exploramos protocolos de consenso para oráculos de visión artificial que certifiquen estados del mundo físico en redes blockchain sin entidades de confianza centralizadas. Investigamos en pruebas de conocimiento cero (ZKP) para verificación de inferencias privadas.