Soporte inteligente a procesos industriales mediante tecnologías de inteligencia artificial distribuida
Institución
Centro de investigación Ceit
Función
Colaborador de investigación (aprendizaje federado e IA agéntica)
Fecha
Incorporación en noviembre de 2026
Mi contribución en este ámbito es la implantación de aprendizaje federado e IA agéntica en entornos industriales. Se trata de tecnologías habilitadoras para crear en el País Vasco una fundición de IA industrial soberana, basada en una arquitectura federada que permite diseñar, entrenar, optimizar, desplegar y gobernar modelos avanzados de IA directamente en entornos industriales (edge/fog), garantizando la soberanía de los datos, la trazabilidad, la escalabilidad multiplanta bajo control corporativo y el cumplimiento del marco normativo europeo.
Financiado por: CDTI – España, nacional
Plataforma inteligente y cibersegura para la optimización adaptativa en la operación simulada de robots autónomos heterogéneos
Institución
Centro de investigación Ceit
Función
Colaborador de investigación
Fecha
Incorporación en noviembre de 2026
Hasta ahora he elaborado el estado del arte sobre aprendizaje federado aplicado a robots autónomos mediante optimización adaptativa en la operación simulada de robots autónomos heterogéneos. También he contribuido a protocolos de ciberseguridad de datos para la monitorización y la gestión del tráfico de red, y he desarrollado algoritmos de aprendizaje automático supervisado y no supervisado para detectar anomalías en el tráfico, entre ellos un sistema de detección de intrusiones (IDS) basado en agrupamiento espectral que identifica cuatro tipos de ataque en el tráfico de red de robots industriales. Soy coautor del artículo «Anomaly Detection Using Machine Learning for Robotics Environments on 5G Networks», publicado en la revista Technologies, que describe la arquitectura desplegada y los modelos de detección de anomalías con datos de proceso. Además, he desarrollado un sistema de detección de intrusiones basado en IA para redes IoT que utilizan MQTT.
Mi contribución a este proyecto financiado por la UE ha sido el desarrollo de sensores software para la línea de agua de estaciones depuradoras de aguas residuales (EDAR), que permiten monitorizar la concentración de amonio en los tanques aerobios y en el tanque anóxico. El sensor software también sigue la tasa máxima de nitrificación. En concreto, se deriva un filtro de Kalman extendido que generaliza el filtro de Kalman a una clase mucho más amplia de distribuciones no gaussianas. El filtro tiene varias propiedades deseables, como conservar las relaciones estadísticas del estado a priori y converger hacia observaciones de gran precisión.
Dentro de «Contramedidas inteligentes de ciberseguridad para la red del futuro» (CICERO).
Institución
Centro de investigación Ceit
Función
Colaborador de investigación
Fecha
Incorporación en junio de 2024
Mi contribución es la implementación de agrupamiento espectral para detectar anomalías en el tráfico de red. El crecimiento exponencial del tráfico ha aumentado las anomalías de red, como ciberataques, fallos de red y averías de hardware, y detectarlas es fundamental para mantener la seguridad y la estabilidad de las redes. También utilizo máquinas de vectores de soporte multiclase como algoritmo supervisado para detectar estas anomalías de forma temprana.
Financiado por: IRONTEC, Internet y Sistemas sobre GNU/Linux – regional
Ciberseguridad en sistemas de inteligencia artificial
Mi contribución, denominada IRONMAN-BRAIN, es un sistema de autoescalado modular e inteligente que utiliza aprendizaje por refuerzo para escalar de forma proactiva y adaptativa funciones de red virtualizadas y nativas de la nube. IRONMAN-BRAIN emplea una red Q profunda para tomar decisiones de autoescalado en cadenas de funciones de servicio (SFC) desplegadas en OpenStack y Kubernetes. La integración con Open Source MANO (OSM) gestiona el ciclo de vida, mientras que componentes SDN como OpenDaylight y Open vSwitch permiten el control programable de la infraestructura de red.
Proyectos de investigación anteriores
Financiado por: Coordinación de Investigación y Posgrado – IIT
Desarrollo de métodos para la creación rentable de sistemas de información y control para equipos de energía mecánica y térmica (en checo)
Número de convenio
SGS10/252/OHK2/3T/12
Función
Estudiante de doctorado / colaborador
Investigación durante mis estudios
Doctorado en Ingeniería Mecánica (2009–2012) Tesis: predicción del movimiento de tumores pulmonares mediante redes neuronales. Universidad Técnica Checa de Praga (CTU), Facultad de Ingeniería Mecánica.
Estudiante visitante en un proyecto de investigación científica, 28 de mayo – 28 de julio de 2011 Proyecto: método de predicción inteligente del movimiento de tumores pulmonares para radioterapia de alta precisión. Universidad de Tohoku, División de Investigación en Tecnologías de la Información Avanzadas, Cyberscience Center (Escuela de Posgrado de Ingeniería y Escuela de Posgrado de Ingeniería Biomédica).
Tesis de maestría (2005–2007) Tesis: «Módulo automático de validación y verificación de reglas extraídas de un sistema híbrido neuro-simbólico». Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET), Departamento de Ciencias Computacionales.
Verano de la Investigación Científica (28 de junio – 31 de agosto de 2004) Proyecto: «Aprovechamiento de los recursos de una cámara CMU para su puesta en marcha en un robot ROMIC». Instituto Nacional de Investigaciones Nucleares (ININ), Departamento de Ciencias Aplicadas.
