Machine Learning and Modeling for biofuels, wastewater treatment and resource recovery

El cultivo de microalgas para la producción de bioenergía ofrece una vía sostenible para convertir la energía solar en biocombustibles. Sin embargo, los procesos impulsados por la energía solar están sujetos de forma inherente a fluctuaciones en la intensidad de la luz y la temperatura del cultivo, lo que hace que la predicción precisa de la temperatura sea crucial para optimizar las condiciones de crecimiento. En este estudio, presentamos un enfoque de modelo reducido que transforma el complejo reto de modelar la transferencia de calor en un problema de identificación de parámetros. El modelo Auto-Tuning propuesto, en un espíritu de regresión simbólica, equilibra la precisión y la eficiencia computacional, al tiempo que mantiene una estructura simple e interpretable. El modelo SATHE captura una amplia gama de dinámicas de transferencia de calor, con parámetros que pueden identificarse eficientemente a partir de datos experimentales. Primero establecemos la identificabilidad de los parámetros y luego desarrollamos una estrategia de identificación basada en el cálculo del gradiente. El rendimiento del modelo se valida en dos configuraciones de reactor distintas y en condiciones estacionales variables.  

Olivier Bernard

Olivier Bernard es director de investigación en el Instituto Nacional Francés de Investigación en Ciencias y Tecnologías Digitales (Inria) y dirige el equipo de investigación GreenOwl. Es ingeniero por la Ecole Centrale de Lyon y obtuvo un máster en Ciencias del Control en 1992. En 1995 se doctoró en Oceanografía Biológica por la Sorbonne Université (Paris 6). De 1996 a 1998 fue investigador postdoctoral en el Centro de Ingeniería de Sistemas y Mecánica Aplicada (CESAME). 

Desde 1999 trabaja como investigador senior en Inria, en el equipo-proyecto GreenOwl (Generación de recursos renovables mediante la optimización de microorganismos acuáticos), que reúne a biólogos y matemáticos. O. Bernard ha coordinado varios proyectos nacionales y europeos sobre modelamiento y control de ecosistemas artificiales. 

Es autor de más de 200 publicaciones en revistas científicas en el campo de las matemáticas aplicadas, el control automático, la biotecnología, la ficología, el modelamiento de metabolismo y análisis del ciclo de vida. O. Bernard es también el líder del Equipo Asociado franco-chileno Art'In Blue.

.

Los microorganismos fototróficos muestran un gran potencial para el tratamiento de aguas residuales y la recuperación de recursos, pero su implementación eficaz requiere marcos de modelamiento robustos que se enfrentan a varios obstáculos metodológicos. Estos procesos biológicos son complejos y dinámicos, e implican una amplia gama de escalas temporales (por ejemplo, fotosíntesis, crecimiento microbiano, dinámica química), sometidas a la variabilidad ambiental (luz, temperatura, contaminantes). Además, la calidad y la cantidad de los datos son generalmente insuficientes para los enfoques estándar de aprendizaje automático. El principal reto es equilibrar la complejidad del modelo con la disponibilidad de datos y la aplicabilidad práctica. Las limitaciones computacionales y las barreras interdisciplinarias también dificultan el desarrollo. Se destacarán estos retos con ejemplos reales y se mostrará cómo enfoques innovadores, como el modelado híbrido, pueden acercar los modelos teóricos a la implementación en el mundo real.

Francesca Casagli

Francesca Casagli tiene un máster en Ingeniería Ambiental por la Facultad de Ingeniería de Florencia (Italia), donde su tesis se centró en el estudio experimental y de modelamiento de un reactor de lodos granulares para el tratamiento de aguas residuales.

En noviembre de 2017, comenzó un doctorado en Ingeniería Ambiental y de Infraestructuras en el Politecnico di Milano (Italia), especializándose en modelamiento matemático de sistemas de algas/bacterias para la remediación de aguas residuales. Durante su doctorado, pasó un año en el INRAE (Narbona, Francia), donde calibró y validó el modelo utilizando conjuntos de datos a largo plazo.

Tras defender su tesis en marzo de 2021, se incorporó al equipo Inria BIOCORE como investigadora postdoctoral, trabajando en la optimización de sistemas de algas/bacterias. Desde septiembre de 2022, es investigadora permanente en el mismo equipo, ahora denominado GreenOwl. 

Su investigación actual se centra en el modelamiento dinámico de sistemas de algas/bacterias para la recuperación de recursos y energía, así como en la mitigación de las emisiones de gases de efecto invernadero (en particular N₂O) en el tratamiento de aguas residuales. Su trabajo integra múltiples enfoques de modelamiento, incluidas las redes neuronales artificiales.

En octubre de 2022, fue galardonada con el premio L'Oréal-UNESCO “Women for Science”.