Verónica Álvarez Castro, BCAMeko doktoretza-ikaslea, elektrizitate-kontsumoa aurresateko eta energia-eraginkortasuna hobetzen laguntzeko adimen artifizialeko sistema bat garatzeagatik saritu dute
Eusko Jaurlaritzaren Hezkuntza Sailak sustatzen du eta BERC (Basque Excellence Research Centers) sarearen parte da. 2008an sortu zuen Eusko Jaurlaritzak, Ikerbasqueren bitartez. EHUren, Bizkaiko Foru Aldundiaren, Innobasqueren eta Petronor Innovación enpresaren laguntza ere badu, eta, 2022az geroztik, baita Bilboko Udalaren laguntza ere.
Haren helburu nagusietako bat da matematika gizartearen zerbitzura jartzea, ezagutzaren transferentziaren bitartez, ikerketaren emaitzak beste sektore batzuetara zabalduz, hala nola biozientzietara, osasunera, energiara edo fabrikazio aurreratura, tokiko eta nazioarteko erakunde eta enpresekin batera lan eginez.
BCAM hiru aldiz akreditatu da, ondoz ondo, Estatuko Ikerketa Agentziaren “Severo Ochoa” bikaintasun-zentro gisa (azken aldiz, 2021eko deialdian); beren arloan onenak diren munduko ikerketa-erakundeei ematen zaie bereizgarri hori. Gaur egun 25 herritartasun desberdinetako 150 ikertzailetik gora ditu, zenbait arlotan lanean, datuen zientziatik edo matematika konputazionaletik hasi eta modelaketa matematikoraino.
BCAM taldea 5 arlo handitan zatitua dago, eta haiek, aldi berean, bizpahiru ikerketa-ildotan banatuta daude: Computational Mathematics, eta, haren barruan, Mathematical Design, Modeling and Simulations eta CFD Modelling and Simulation; Mathematical Modelling with Multidisciplinary Applications arloa, Modelling and Simulation in Life and Materials Sciences, Mathematical and Theoretical Biology eta Mathematical, Computational and Experimental Neuroscience ikerketa-ildoekin; Mathematical Physics arloa, Quantum Mechanics, Statistical Physics and Singularity Theory eta Algebraic Geometry ildoekin; Linear and Non-Linear Waves, Applied Analysis eta Harmonic Analysis ildoak, Analysis of Partial Differential Equations arlokoak; eta, azkenik, Data Science & Artificial Intelligence, zeinen barruan sartzen baitira Combinatorial Optimization, Applied Statistics eta Machine Learning ildoak.
Verónica Alvárez Castro elkarrizketatu dugu; matematikan graduatua da. eta doktoretza-ikaslea BCAMen. Santiago Mazuelas eta José Antonio Lozanorekin batera, BBVA Fundazioaren SEIO saria jaso du, urtarrilaren 18an Madrilen egindako ekitaldian. Verónicak elektrizitate-kontsumoa aurreikusten duen adimen artifizialeko sistema bat garatu du, efizientzia energetikoa hobetzen laguntzen duena.
Laburbilduko diguzu zertan datzan azterketa eta zer helburu duen?
“Gure lanean, energia-kontsumoa aurreikusteko adimen artifizialeko teknikak aurkezten ditugu.”
Zehazki, aurreikuspen zehatzak lortzen dituzten modeloak proposatzen ditugu, aurreikuspenen ziurgabetasunak modu fidagarrian ebaluatzen dituztenak. Aurreikuspen zehatzak funtsezkoak dira energia-sorkuntza planifikatzeko eta doitzeko; izan ere, sistemak hornitzen duen energiak eskariaren etengabeko aldaketak ase behar ditu. Aurreikuspen horiek are garrantzitsuago bihurtu dira azkenaldian, energia berriztagarriak integratu direla eta, energia sortzeko gaitasuna ez baita beti bat etortzen energia behar den unearekin.
Nola sortzen da algoritmo bat eta zein da errore-tasa?
Proposatzen dugun metodoak ehunka modelo erabiltzen ditu aurreikuspenak egiteko, eta modelo horiek etengabe ikasten dira, informazio erreal berriena integratuz. Hau da, kontsumo-datu errealak jakiten diren bakoitzean, modeloak eguneratu egiten dira, eta etorkizuneko kontsumoak modelo horien bidez aurreikusten dira. Gainera, garatutako teknikek aurreikuspenen ziurgabetasuna zehaztu ere egiten dute, eta, beraz, etorkizuneko kontsumoen probabilitatea kalkulatzen laguntzen dute.
% 4 eta % 10 bitarteko errore-tasa lortu genuen. Ez da gauza bera aurreikuspena eraikin bakar baterako egitea (kasu horretan, errore-marjina handiagoa da) edo hiri baterako egitea. Helburua kontsumo-aurreikuspenaren errorea zero izatea da, eta hori ezinezkoa da. Baina egin dezakegun murrizketa oro da positiboa, % 0,1 izan arren, ekonomian eta ingurumenean dituen ondorioak direla eta. “Probabilistic Load Forecasting Based on Adaptive Online Learning’’ artikuluan zenbait tamainatako eremuetako datu-baseen emaitzak hartu ditugu: ehun eraikineko multzo batetik hasi eta Belgika bezalako herrialde oso bateraino (11,5 milioi biztanle), tarteko tamaina batzuetako hiriak ere aintzatetsiz, hala nola Ohioko Dayton hiria (137.000 biztanle baino zertxobait gehiago).
Zein da azterketaren aplikazio-esparrua?
“Energia-aurreikuspen zehatzak ezinbestekoak dira, bai ekonomiarako eta bai ingurumenerako, alferrik galtzen den eta hirugarrenei erosten zaien energia murrizteko balio baitezakete.”
Gainera, energia-aurreikuspen zehatz eta fidagarriek nabarmen lagundu dezakete energia-baliabideak efizientzia handiagoz erabiltzen eta, adibidez, energia berriztagarriei probetxu handiagoa ateratzen.
Zer ekar dezake adimen artifizialak industriaren sektorera?
“Adimen artifizialean, machine learning arloan eta beste arlo batzuetan egiten den ikerketak mundu errealean inpaktu handia duten arazo praktiko ugari konpon ditzake.”
Gaur egun, arlo horietan garatutako tekniketan oinarritutako aplikazio ugari daude, hala nola gomendio-sistemak, itzulpen automatikoa eta prozesu industrialen automatizazioa.
Otsailaren 11n Neska eta Emakume Zientzialarien Nazioarteko Eguna da. Emakumeek presentzia txikia izaten jarraitzen dute ikerketa zientifikoan eta garapen teknologikoan.
Zerk eraman zintuen matematika ikastera eta ikerketan jardutera?
Batxilergoko bigarren mailan nengoela erabaki nuen matematika ikastea. Betidanik nuen gustuko, baina inoiz ez nuen planteatu matematika ikastea. Batxilergoan izan nuen matematika-irakasleak piztu zidan zientzia horrekiko interesa. Matematikako ikerketa eta adimen artifiziala deigarriak egiten zitzaizkidan, arazo berriei aurre egiteak dakarren erronkarengatik. Izan ere, hasiera batean, ez dakizu arazo horiek konponbiderik duten edo konponbidea interesgarria eta erabilgarria den.
Nola animatuko zenituzke etorkizuneko belaunaldiak STEM (Science, Technology, Engineering and Mathematics) arloekin, hots, Zientzia, Teknologia, Ingeniaritza eta Matematikarekin, lotutako ikasketak eta lanbideak aukeratzera?
“Garrantzitsua da etorkizuneko belaunaldiek jakitea STEM arloak funtsezkoak direla arlo ugaritan aplikazioak garatzeko, hala nola finantzetan, kirolean eta medikuntzan.”
Adibidez, adimen artifizialaren eta machine learning-aren arloko ikerketaren bitartez garatutako teknikak lagungarriak dira erabakiak hartzeko orduan, edo erabaki horiei loturiko arriskua ezagutzeko aukera ematen digute. Arlo horiek arazo praktikoak konpontzen nola lagundu dezaketen jakinez gero, posible da arlo horiek ikasten dituzten gazteen kopuruak gora egitea, eta hori oso erabilgarria litzateke gaur egun.
