Proyectos por año
Perfil de la organización
Perfil de la organización
La línea de investigación de Ingeniería de la Información y Energía nace de la interacción interdisciplinaria de aquellas áreas de ingeniería eléctrica que habitualmente convergen en los sistemas eléctricos y de información de vanguardia, en los que se destacan la conversión de energías renovables, la electrónica aplicada a sistemas de señales y de potencia, el control automático, los sistemas de transmisión y procesamiento de información, y la inteligencia artificial.
Esta línea de investigación tiene como objetivo avanzar en el conocimiento científico y tecnológico de relevancia mundial, con foco en ciencia aplicada y el trabajo experimental. Así, los académicos y académicas que la integran abordan el desarrollo y aplicación de técnicas avanzadas de inteligencia artificial, modelación matemática y tecnologías de comunicación, con un enfoque interdisciplinario que abarca desde problemas fundamentales hasta aplicaciones concretas en diversas áreas. Se investiga en aprendizaje automático, visión por computador y procesamiento de texto, aplicando estas herramientas a contextos como medicina, seguridad pública, agricultura de precisión, y análisis legal y ciudadano, procesamiento de imágenes médicas y urbanas, y el desarrollo de modelos multimodales y autosupervisados de alto impacto.
Además, el grupo explora fenómenos físicos complejos mediante modelación matemática y simulación computacional, así como tecnologías de comunicación óptica en espacio libre, incluyendo enlaces láser clásicos y cuánticos. También se desarrollan esquemas de control avanzados para mejorar la estabilidad de redes eléctricas frente a perturbaciones, y se trabaja en la co-optimización de software y hardware para soluciones de inteligencia artificial que requieran baja latencia y alta eficiencia energética, contribuyendo al diseño de sistemas más robustos y sostenibles.
Perfil de la organización
La línea de investigación de Ingeniería de la Información y Energía nace de la interacción interdisciplinaria de aquellas áreas de ingeniería eléctrica que habitualmente convergen en los sistemas eléctricos y de información de vanguardia, en los que se destacan la conversión de energías renovables, la electrónica aplicada a sistemas de señales y de potencia, el control automático, los sistemas de transmisión y procesamiento de información, y la inteligencia artificial.
Esta línea de investigación tiene como objetivo avanzar en el conocimiento científico y tecnológico de relevancia mundial, con foco en ciencia aplicada y el trabajo experimental. Así, los académicos y académicas que la integran abordan el desarrollo y aplicación de técnicas avanzadas de inteligencia artificial, modelación matemática y tecnologías de comunicación, con un enfoque interdisciplinario que abarca desde problemas fundamentales hasta aplicaciones concretas en diversas áreas. Se investiga en aprendizaje automático, visión por computador y procesamiento de texto, aplicando estas herramientas a contextos como medicina, seguridad pública, agricultura de precisión, y análisis legal y ciudadano, procesamiento de imágenes médicas y urbanas, y el desarrollo de modelos multimodales y autosupervisados de alto impacto.
Además, el grupo explora fenómenos físicos complejos mediante modelación matemática y simulación computacional, así como tecnologías de comunicación óptica en espacio libre, incluyendo enlaces láser clásicos y cuánticos. También se desarrollan esquemas de control avanzados para mejorar la estabilidad de redes eléctricas frente a perturbaciones, y se trabaja en la co-optimización de software y hardware para soluciones de inteligencia artificial que requieran baja latencia y alta eficiencia energética, contribuyendo al diseño de sistemas más robustos y sostenibles.
Huella digital
Colaboraciones y áreas de investigación principales de los últimos cinco años
Perfiles
-
Jaime Anguita Garcia, PhD
- Universidad de los Andes
- Facultad de Ingeniería y Ciencias Aplicadas
- Claustro Doctorado en Ciencias de la Ingeniería - Colaborador/a
- Ingeniería Civil Eléctrica
- Línea de investigación en Ingeniería de la Información y Energía
- Doctorado en Ciencias de la Ingeniería
Persona: Investigador
-
Jaime Eduardo Cisternas Elgueta, PhD
- Universidad de los Andes
- Facultad de Ingeniería y Ciencias Aplicadas
- Claustro Doctorado en Ciencias de la Ingeniería
- Grupo de Sistemas Complejos de Ingeniería
- Línea de investigación en Ingeniería de la Información y Energía
- Doctorado en Ciencias de la Ingeniería - Claustro
Persona: Investigador, Académico
-
José Francisco Delpiano Costabal, PhD
- Universidad de los Andes
- Facultad de Ingeniería y Ciencias Aplicadas
- Claustro Doctorado en Ciencias de la Ingeniería
- Ingeniería Civil Eléctrica
- Línea de investigación en Ingeniería de la Información y Energía
- Doctorado en Ciencias de la Ingeniería - Claustro
Persona: Investigador
-
FONDECYT EXPLORACIÓN - 13250156: DYNAMIC AI FOUNDATION MODELS FOR INTERPRETING MEDICAL IMAGES THROUGH SELF-SUPERVISION, MULTIMODALITY, CLINICAL-CONTEXT PROMPTING AND ADAPTABLE EXPLAINABILITY
Chang, V. (Director(a)) & Saavedra Rondo, J. M. (Director (a) Adjunto)
1/08/25 → 31/07/29
Proyecto: INVESTIGACIÓN
-
FONDECYT REGULAR - 1250045: TAILORED UPLIFT MODELING METHODS FOR BUSINESS ANALYTICS
Maldonado, S. (Investigador(a) Principal), Vairetti, C. M. (Coinvestigador(a)) & García-Echalar, A. (Coinvestigador(a))
1/04/25 → 31/03/29
Proyecto: INVESTIGACIÓN
-
FONDECYT REGULAR - 1250842: COMPUTER VISION-BASED CHARACTERIZATION OF URBAN TREES WITH CONSIDERATIONS FOR RISK ASSESSMENT
Delpiano Costabal, J. F. (Investigador(a) Principal)
Agencia Nacional de Investigación y Desarrollo
1/04/25 → 31/03/29
Proyecto: INVESTIGACIÓN
Producción científica
-
A scalable AI-driven approach for burned-area mapping using U-Net and Landsat imagery
Mancilla-Wulff, I., Terán, D., Vairetti, C., González-Olabarria, J. R., Weintraub, A. & Carrasco-Barra, J., ene. 2026, En: Applied Soft Computing. 186, 114070.Producción científica: Contribución a una revista › Artículo › revisión exhaustiva
-
Convolutional neural networks for tsunami intensity measure prediction from slip and coseismic deformation data
Buenrostro, A. M., Crempien, J. G. F., Jünemann, R., Urrutia, A., Sahli Costabal, F. & Delpiano, J., 1 feb. 2026, En: Engineering Applications of Artificial Intelligence. 165, 113405.Producción científica: Contribución a una revista › Artículo › revisión exhaustiva
-
Achieving high performance on sketch-based image retrieval without real sketches for training
Saavedra, J. M., Stears, C. & Campos, W., jul. 2025, En: Pattern Recognition Letters. 193, p. 94-100 7 p.Producción científica: Contribución a una revista › Artículo › revisión exhaustiva