Uso de cookies

En las páginas web de la Universidad Carlos III de Madrid utilizamos cookies propias y de terceros para mejorar nuestros servicios mediante el análisis de sus hábitos de navegación. Al continuar con la navegación, entendemos que se acepta nuestra política de cookies. "Normas de uso"

Noticias

  • Inicio
  • Noticias
  • Dos investigadores de la UC3M consiguen una Beca Leonardo 2024 de la Fundación BBVA

Dos investigadores de la UC3M consiguen una Beca Leonardo 2024 de la Fundación BBVA

Para proyectos innovadores en investigación científica

24/07/24

Dos profesores de la Universidad Carlos III de Madrid –Daniel García González y Pablo Martínez Olmos–  han conseguido una Beca Leonardo 2024 de la Fundación BBVA para apoyar sus proyectos de investigación en las áreas de ingenierías y ciencias de la computación y ciencia de datos.

En la imagen, Daniel García González (izquierda) y Pablo Martínez Olmos, los dos investigadores de la UC3M que han conseguido una Beca Leonardo 2024.

En la imagen, Daniel García González (izquierda) y Pablo Martínez Olmos, los dos investigadores de la UC3M que han conseguido una Beca Leonardo 2024. 

Las Becas Leonardo 2024 impulsan 58 innovadores proyectos personales en diez áreas de la investigación científica y de la creación cultural. Se trata de un programa de apoyo a investigadores y creadores de entre 30 y 45 años que se encuentran en un momento decisivo de sus carreras: un estadio intermedio en el que podrán desarrollar y gestionar un proyecto personal con la mayor flexibilidad. Esta convocatoria es de carácter abierto y altamente competitivo: en 2024 se han presentado 1.423 candidaturas evaluadas por 83 expertos.

Ingenierías

En el área de ingenierías, Daniel García González, profesor titular de Mecánica de Medios Continuos y Teoría de Estructuras en la UC3M, ha conseguido una Beca Leonardo 2024 con su proyecto: “Conceptualización de sensores mecano-eléctricos mediante elastómeros magneto-reológicos híbridos”. Este proyecto plantea el diseño de una nueva generación de sensores mecánicos con respuestas eléctricas binarias a umbrales cinemáticos, con capacidad de adherencia a tejidos biológicos y para albergar grandes deformaciones cíclicas. Para ello, se creará un marco de diseño multi-material que permita la integración de respuestas autónomas de reparación (mediante interacciones magneto-mecánicas) con propiedades eléctricas conductivas dependientes de la deformación mecánica.

La implementación de este tipo aplicaciones tecnológicas permitirá la conceptualización de sensores biomecánicos blandos. Estas soluciones tienen un gran potencial para mejorar la eficacia de soluciones del ámbito de la bioingeniería en patologías cardíacas o pulmonares. Por ejemplo, la falta de capacidad del corazón para contraerse o relajarse adecuadamente se conoce como insuficiencia cardíaca, lo cual suele deberse a cambios en la rigidez del músculo cardíaco y a una debilidad en la respuesta mecano-eléctrica del mismo. Los dispositivos derivados del proyecto planteado tienen un gran potencial de integración con actuadores biomecánicos permitiendo la comunicación bidireccional entre respuestas biológicas funcionales y sistemas de robótica blanda. Además, la tecnología planteada podría emplearse como sensores biomecánicos blandos que midan parámetros cinemáticos (p.ej. rotaciones de articulaciones) durante actividades deportivas o cotidianas (especialmente relevante durante periodos de rehabilitación). 

Ciencias de la computación y ciencia de datos

En el área de ciencias de la computación y ciencia de datos, Pablo Martínez Olmos, profesor titular de Teoría de la Señal y Comunicaciones en la UC3M, ha conseguido una Beca Leonardo 2024 con su proyecto: “THAI: Towards Humble And Discoverable AI”. Este proyecto aborda la preocupación por el exceso de confianza y falta de fiabilidad en la Inteligencia Artificial (IA) generativa. Dado que las tecnologías de IA siguen reconfigurando diversos sectores, la principal motivación del proyecto radica en mitigar los riesgos asociados a las capacidades persuasivas de la IA, en particular la generación de resultados verosímiles pero infundados, conocidos como alucinaciones. THAI pretende desarrollar métodos de IA generativa que reduzcan el exceso de confianza rebajando la certeza sin información sólida.

Esta iniciativa es crucial para mantener la credibilidad de las tecnologías de IA y garantizar la confianza de los usuarios distinguiendo entre contenidos fiables y no fiables generados por IA. Además, el proyecto pretende mejorar la seguridad desarrollando métodos de entrenamiento robustos que reduzcan la vulnerabilidad de los sistemas de IA a los ataques, que podrían aprovecharse del exceso de confianza para extraer información sensible o generar contenidos dañinos. Finalmente, el proyecto pretende identificar rastros detectables en los contenidos generados por IA, facilitando la distinción entre resultados reales y sintéticos. Estos objetivos contribuyen colectivamente al avance de tecnologías de IA más discernibles, fiables y éticamente sólidas, abordando retos fundacionales de la IA generativa y allanando el camino para aplicaciones más responsables.