FPU2023-Espectroscopía Raman y machine learning para el estudio de microplásticos, catalizadores y biomateriales

La espectroscopía Raman es una técnica poderosa y versátil para la caracterización de todo tipo de materiales: desde el grafeno hasta micro y nano plásticos, pasando por biomateriales o catalizadores. Su fundamento radica en la interacción de la luz con las vibraciones moleculares de las muestras, proporcionando información valiosa sobre su estructura y composición. Con los avances tecnológicos tanto en microespectroscopía como en computación, esta técnica ha evolucionado, generando una cantidad ingente de espectros que almacenan información fisicoquímica con resolución espacial y temporal detallada (hiperespectral). Sin embargo, estos datos a menudo presentan ruido y complejidad, lo que exige un procesamiento especializado para revelar las características esenciales relevantes para la reacción que se está estudiando o para la identificación de compuestos. En este contexto, la ciencia de datos y el aprendizaje automático (machine learning, ML) emergen como herramientas revolucionarias capaces de transformar el vasto mar de datos espectrales en conocimiento aplicable. La implementación de modelos de ML permite no solo el desentrañamiento de los complejos patrones dentro de los datos espectrales, sino también la predicción y clasificación precisas de materiales. Este proyecto ambiciona no solo comparar y mejorar algoritmos existentes para el tratamiento de estos datos, sino también el desarrollo y aplicación de algoritmos innovadores en colaboración con prestigiosos grupos.