ORBITAL IA: Inteligencia Artificial

En ARQUIMEA Research Center creemos en la Inteligencia Artificial (IA) como uno de los principales motores de transformación de la sociedad actual. Aplicamos la IA para intentar dar respuesta a los grandes retos que enfrentamos en campos tan diversos como salud, entretenimiento, movilidad, publicidad o finanzas. Nuestras líneas de investigación principales enmarcadas en el Orbital IA son:

Aprendizaje profundo en IA para campos neurales de radiancia (NeRF)

IA para el escaneado y modelado de escenas y objetos en 3D

Investigamos cómo el enfoque de aprendizaje profundo en IA puede ayudar a agilizar y automatizar el escaneado y modelado de escenas y objetos en 3D. Este nuevo paradigma y formato de representación 3D revolucionará la producción audiovisual, desde los efectos visuales en cine (VFX) y producción virtual (ICVFX), a las experiencias y aplicaciones de realidad extendida (XR).

  • Objetivo: conseguir un nuevo formato de modelo 3D mucho más ligero, eficiente y fotorrealista que los convencionales -basados en nubes de puntos, mallas o vóxeles- mediante los llamados «campos neurales de radiancia» o NeRF.

Aprendizaje profundo geométrico y las redes neuronales de grafos

Aproximación a la reducción los tiempos de desarrollo de nuevos fármacos

Investigamos cómo el aprendizaje profundo geométrico y las redes neuronales de grafos, pueden ayudar a acelerar el desarrollo de nuevos fármacos, teniendo en cuenta la información geométrica de las moléculas y no solo su descripción fisicoquímica y cuántica. Esta nueva aproximación al descubrimiento de fármacos promete reducir los tiempos de desarrollo de nuevos fármacos de décadas a meses, estando centradas en enfermedades neurodegenerativas como la ELA, la esclerosis múltiple, la enfermedad de Parkinson o la enfermedad de Alzheimer.

  • Objetivo: sustituir la gran mayoría de pruebas que hoy en día se hacen en laboratorio, por simulaciones realizadas por medios computacionales, desde la predicción de afinidad fármaco-proteína, a la síntesis del diseño de nuevas moléculas.

aprendizaje profundo para la detección de soplos de los cachalotes

Sistema de detección en tiempo real de cachalotes

Investigamos cómo los métodos de visión por ordenador basados en aprendizaje profundo pueden ayudar en la detección de soplos de los cachalotes, para la detección temprana de la presencia de estos cetáceos en superficie. El tráfico marítimo representa una amenaza real para estos actores clave en la escena de la biodiversidad marina, ya que el tráfico es cada vez más denso y los buques más rápidos.

  • Objetivo: conseguir un sistema de detección en tiempo real de cachalotes -la especie más amenazada de Canarias- en superficie, para evitar la colisión con transbordadores rápidos entre islas, a través de imágenes térmicas.
Contacta con ARQUIMEAEl progreso no tiene límites

Contacta con nosotros, plantéanos un reto y descubre todo lo que podemos ofrecerte.

¿Hablamos?
¿Hablamos?