• Su investigación evaluó modelos de aprendizaje profundo para mejorar el pronóstico de irradiancia solar de corto plazo en Antofagasta. El estudio integró redes LSTM, mecanismos de atención y análisis de causalidad para abordar la alta variabilidad atmosférica asociada a la nubosidad costera.

El pasado 30 de abril, Gabriela Pallauta defendió su tesis para optar al grado de Magíster en Ciencias de la Ingeniería, mención Mecánica. Con este hito académico, la ingeniera cerró su paso por el programa de postgrado del DIMEC, donde adquirió herramientas para investigar y también encontró una comunidad para aprender y desarrollarse. 

El objetivo de su tesis, titulada “Evaluación de un pronóstico de irradiancia solar de corto plazo basado en LSTM integrando un modelo de atención con causalidad”, fue estudiar la predictibilidad de la irradiancia global horizontal (GHI) en Antofagasta mediante modelos de aprendizaje profundo integrados con análisis de causalidad y complejidad dinámica del sistema atmosférico.

“El problema abordado corresponde a la dificultad de pronosticar la irradiancia solar en escalas de corto plazo bajo condiciones de alta variabilidad nubosa, particularmente asociadas a la presencia y disipación de estratocúmulos costeros. Estos procesos introducen comportamientos no lineales y transiciones abruptas que reducen significativamente la capacidad predictiva de los modelos tradicionales”, explicó.

Su estudio, que contó con el apoyo de su profesora guía, la Dra. Mónica Zamora, buscó determinar hasta qué punto la limitación del pronóstico proviene de la arquitectura del modelo y cuánto depende de la complejidad física intrínseca de la atmósfera.

Respecto a por qué decidió modelos LSTM para trabajar y qué aporta la integración de un modelo de atención con causalidad, Pallauta señaló que “decidí trabajar con modelos LSTM porque la irradiancia solar tiene una fuerte dependencia temporal y está muy influenciada por procesos atmosféricos complejos, como el ciclo diario de radiación y la evolución de la nubosidad. Las redes LSTM son especialmente útiles en este tipo de problemas porque pueden capturar relaciones no lineales y dependencias temporales de largo alcance”.

Además, incorporó mecanismos de atención para que el modelo pudiera identificar y priorizar dinámicamente las variables más relevantes en cada predicción, mejorando tanto el desempeño como la interpretabilidad.

“Por otra parte, integré análisis de causalidad mediante Convergent Cross Mapping, o CCM, para incorporar información física del sistema atmosférico en la inicialización de los pesos de atención. Esto permitió diferenciar variables que realmente influyen en la irradiancia de aquellas que solo presentan correlaciones aparentes, haciendo que el modelo fuera más coherente con la dinámica física del sistema”, detalló.

Según explicó es importante mejorar los pronósticos de irradiancia solar de corto plazo para el desarrollo de energías renovables para la integración de energía solar al sistema eléctrico, agregando que “mejores pronósticos permiten operar de forma más eficiente plantas fotovoltaicas, reducir incertidumbre y mejorar la estabilidad del sistema eléctrico, especialmente en zonas como el norte de Chile donde la energía solar tiene un rol estratégico”.

Tras la investigación y análisis de datos, Gabriela Pallauta se refirió a los principales resultados obtenidos durante la pesquisa. Entre ellos, destaca que “el pronóstico solar no depende solo del modelo utilizado, sino también de la complejidad física de la atmósfera. Encontramos que algunas variables tienen una influencia causal mucho más importante de lo que muestran las correlaciones tradicionales, lo que demuestra el valor de incorporar análisis de causalidad en modelos de inteligencia artificial”.

Además, los mecanismos de atención permitieron construir modelos más interpretables y físicamente coherentes, mientras que la atención dinámica logró reducir significativamente el costo computacional manteniendo un desempeño similar. A lo anterior, también añadió que “observamos que el verano presenta las mejores predicciones debido a condiciones atmosféricas más estables, mientras que la nubosidad costera en invierno y primavera dificulta considerablemente el pronóstico”.

En conjunto, los resultados muestran que mejorar la predicción de irradiancia no es solo un problema de inteligencia artificial, sino también de comprender mejor la dinámica atmosférica que controla la generación solar.

Comunidad DIMEC: experiencia significativa 

Al cerrar esta etapa la ingeniera civil mecánica también se toma unos minutos para hablar de su Alma Mater, enfatizando en que su paso por la Universidad de Chile y, particularmente, por el postgrado DIMEC fue una experiencia muy significativa, tanto en lo académico como en lo personal. 

“Siento que este proceso me permitió crecer mucho como investigadora, desarrollar autonomía y aprender a enfrentar problemas complejos con una mirada más crítica y profunda. También me acercó mucho más al mundo de la investigación, dándome la oportunidad de participar en congresos, seminarios y recibir retroalimentación de científicos a nivel internacional, algo que marcó profundamente mi formación”, expresó.

Uno de los aspectos que más valora del DIMEC es el ambiente académico que se genera, detallando que “existe un nivel muy alto de exigencia, pero al mismo tiempo una constante motivación por aprender, cuestionar y mejorar. Muchas de las actividades y problemas abordados están conectados con desafíos actuales de la ingeniería y la ciencia, lo que hace que el aprendizaje se sienta muy cercano a la investigación real. Además, creo que fue un espacio muy importante en mi búsqueda vocacional, porque la pasión por enseñar e investigar que transmiten muchos profesores termina siendo realmente contagiosa”.

Según detalló “tuve la suerte de encontrar profesores que no solo destacan por su nivel académico, sino también por su compromiso con la formación de los estudiantes. En particular, mi profesora guía, la profesora Mónica Zamora, fue un referente muy importante para mí tanto en lo académico como en lo humano. Aprendí muchísimo trabajando con ella y gran parte de mi formación como investigadora se la debo a ese proceso”.

También resaltó a la comunidad que existe dentro del departamento. “Aunque el postgrado implica bastante trabajo individual, siempre sentí mucha disposición de mis compañeros para apoyarse mutuamente y hacer el proceso más agradable. Como mujer en ingeniería mecánica, también fue muy importante encontrar una comunidad femenina cada vez más presente dentro del DIMEC, algo que genera un ambiente mucho más cercano y motivador”, confesó.

La comisión estuvo conformada por su profesora guía, Dra. Mónica Zamora Zapata, la co-guía, Dra. Viviana Meruane, y el profesor Patricio Arrué Cornejo.

Por Comunicaciones DIMEC