Detalles del proyecto
Descripción
Esta propuesta se centra en fortalecer y ampliar la interacción entre dos áreas de gran relevancia: la Computación de Alto Rendimiento
(HPC), esencial como respaldo computacional, y las aplicaciones destinadas a la ciudadanía, especialmente en el ámbito de la
Simulación y Gestión de Sistemas Sanitarios Inteligentes.
El objetivo principal consiste en avanzar en el conocimiento de los campos definidos en las áreas de la propuesta. Esto incluye la
expansión del alcance y las capacidades de nuestras herramientas HPC. Se desarrollarán nuevas estrategias y procedimientos para
abordar aplicaciones basadas en Inteligencia Artificial (IA), diseñar modelos y herramientas que respalden una ejecución segura y
eficiente, tanto computacional como energéticamente, de aplicaciones sobre HPC, y mejorar la simulación y los Servicios de Salud
Inteligentes.
Las líneas de investigación se centran en la ampliación del alcance y las capacidades de nuestras herramientas HPC, como PAS2P y
RADIC, su aplicación en aplicaciones de Inteligencia Artificial, y el desarrollo de estrategias, prestando especial atención a aspectos
críticos como el rendimiento, la escalabilidad, la tolerancia a fallos, la seguridad y la eficiencia energética.
La línea de investigación 'Simulación y Gestión de Sistemas Inteligentes de Atención Sanitaria' no solo busca desarrollar un Simulador de
un sistema de apoyo a la decisión para Servicios de Urgencias Sanitarias (SUH) en situaciones críticas para la Gestión Inteligente de
Urgencias (AIMED), sino también mejorar la resiliencia del sistema de gestión ante situaciones disruptivas. Además, se enfoca en la
simulación de alto rendimiento para escenarios que involucran enfermedades crónicas.
En todas estas áreas se ha encontrado la necesidad de buscar soluciones óptimas o cuasi óptimas, por ello también se propone el
diseño de algoritmos heurísticos computacionalmente eficientes para soluciones óptimas/cuasi óptimas/buenas para problemas complejos
que serán aplicados en las diferentes líneas de investigación.
El proyecto se organiza en tres áreas principales de investigación:
ÁREA A: Ejecución eficiente y segura en HPC
A.1 Modelos de rendimiento de aplicaciones de Inteligencia Artificial (IA) en HPC/Cloud Computing: Ampliación de PAS2P para mejorar la
eficiencia mediante políticas de mapeo.
A.2 Gestión eficiente de HPC-I/O para aplicaciones de IA
A.3 Integración de la tolerancia a fallos y la seguridad en los sistemas HPC
ÁREA B: Algoritmos heurísticos para soluciones óptimas/casi, óptimas/buenas para problemas complejos
B.1 Algoritmo de búsqueda metaheurística en espacios n-dimensionales
B.2 Aplicaciones en la resolución de problemas del presente proyecto.
ÁREA C: Simulación y Gestión de Sistemas Inteligentes de Salud
C.1 Cómo crear un simulador de departamento de emergencias (DE)
C.2 Gestión Automática e Inteligente del Servicio de Emergencias (AIMED)
C.3 Gestión de la resiliencia en los departamentos de emergencia (DE)
C.4 Simulación de alto rendimiento basada en ABM para enfermedad renal crónica
C.5 Simulación basada en agentes en movilidad urbana para el tráfico de emergencia
(HPC), esencial como respaldo computacional, y las aplicaciones destinadas a la ciudadanía, especialmente en el ámbito de la
Simulación y Gestión de Sistemas Sanitarios Inteligentes.
El objetivo principal consiste en avanzar en el conocimiento de los campos definidos en las áreas de la propuesta. Esto incluye la
expansión del alcance y las capacidades de nuestras herramientas HPC. Se desarrollarán nuevas estrategias y procedimientos para
abordar aplicaciones basadas en Inteligencia Artificial (IA), diseñar modelos y herramientas que respalden una ejecución segura y
eficiente, tanto computacional como energéticamente, de aplicaciones sobre HPC, y mejorar la simulación y los Servicios de Salud
Inteligentes.
Las líneas de investigación se centran en la ampliación del alcance y las capacidades de nuestras herramientas HPC, como PAS2P y
RADIC, su aplicación en aplicaciones de Inteligencia Artificial, y el desarrollo de estrategias, prestando especial atención a aspectos
críticos como el rendimiento, la escalabilidad, la tolerancia a fallos, la seguridad y la eficiencia energética.
La línea de investigación 'Simulación y Gestión de Sistemas Inteligentes de Atención Sanitaria' no solo busca desarrollar un Simulador de
un sistema de apoyo a la decisión para Servicios de Urgencias Sanitarias (SUH) en situaciones críticas para la Gestión Inteligente de
Urgencias (AIMED), sino también mejorar la resiliencia del sistema de gestión ante situaciones disruptivas. Además, se enfoca en la
simulación de alto rendimiento para escenarios que involucran enfermedades crónicas.
En todas estas áreas se ha encontrado la necesidad de buscar soluciones óptimas o cuasi óptimas, por ello también se propone el
diseño de algoritmos heurísticos computacionalmente eficientes para soluciones óptimas/cuasi óptimas/buenas para problemas complejos
que serán aplicados en las diferentes líneas de investigación.
El proyecto se organiza en tres áreas principales de investigación:
ÁREA A: Ejecución eficiente y segura en HPC
A.1 Modelos de rendimiento de aplicaciones de Inteligencia Artificial (IA) en HPC/Cloud Computing: Ampliación de PAS2P para mejorar la
eficiencia mediante políticas de mapeo.
A.2 Gestión eficiente de HPC-I/O para aplicaciones de IA
A.3 Integración de la tolerancia a fallos y la seguridad en los sistemas HPC
ÁREA B: Algoritmos heurísticos para soluciones óptimas/casi, óptimas/buenas para problemas complejos
B.1 Algoritmo de búsqueda metaheurística en espacios n-dimensionales
B.2 Aplicaciones en la resolución de problemas del presente proyecto.
ÁREA C: Simulación y Gestión de Sistemas Inteligentes de Salud
C.1 Cómo crear un simulador de departamento de emergencias (DE)
C.2 Gestión Automática e Inteligente del Servicio de Emergencias (AIMED)
C.3 Gestión de la resiliencia en los departamentos de emergencia (DE)
C.4 Simulación de alto rendimiento basada en ABM para enfermedad renal crónica
C.5 Simulación basada en agentes en movilidad urbana para el tráfico de emergencia
| Estado | Activo |
|---|---|
| Fecha de inicio/Fecha fin | 1/09/24 → 31/12/27 |
Huella digital
Explore los temas de investigación que se abordan en este proyecto. Estas etiquetas se generan con base en las adjudicaciones/concesiones subyacentes. Juntos, forma una huella digital única.
Producción científica
- 1 Capítulo
-
Modeling Parallel AI Applications for Performance Analysis on Cloud Environments
Albert, M., Leon, B., Wong, A., Rexachs, D. & Luque, E., 2025, Computational Science – ICCS 2025 - 25th International Conference, 2025, Proceedings. Lees, M. H., Cai, W., Cheong, S. A., Su, Y., Abramson, D., Dongarra, J. J. & Sloot, P. M. A. (eds.). Springer Science and Business Media Deutschland GmbH, p. 216-224 9 p. (Lecture Notes in Computer Science; vol. 15906 LNCS).Producción científica: Capítulo de libro › Capítulo › Investigación › revisión exhaustiva
Acceso abierto3 Descargas (Pure)
Conjuntos de datos
-
Replication Data for: Application of a sampling and clustering-based heuristic search algorithm to find an efficient staff configuration in an emergency department
Harita Rascon, M. D. L. Á. (Creador), Rexachs del Rosario, D. I. (Creador), Bruballa, E. (Creador), Epelde Gonzalo, F. D. (Creador), Wong Gonzalez, A. (Creador) & Luque Fadon, E. (Creador), CORA.Repositori de Dades de Recerca, 28 ene 2026
DOI: 10.34810/data2951, https://doi.org/10.34810/data2951
Dataset: Conjunto de datos