Resultados

La misma disciplina, aplicada a tu negocio

Antes de construir sistemas de IA para empresas, medí y optimicé simulaciones científicas hasta hacerlas 678.9 veces más rápidas. Es la misma forma de trabajar que aplico a cualquier proceso que se vuelve lento o caro.

678.9x

Transporte molecular en GPU

Partí de una simulación de moléculas que avanzan por un canal estrecho y que ya existía en versión serial y en MPI (de un colega). Con 4 y 8 núcleos, MPI la aceleraba 3.6x y 6.4x, respectivamente.
Yo la porté a GPU con CUDA: 678.9 veces más rápida que la versión serial.
Esa velocidad permitió barrer más de 14,000 configuraciones y corregir un sesgo en el movimiento lateral que antes no se podía ver.
Es el mismo método que aplico a un sistema de un cliente: medir dónde se va el tiempo, rediseñar lo que lo frena y comprobar la mejora con números.

Gráfica 678.9x ↗Código CUDA ↗

Gráfica de barras de aceleración frente a la versión serial: serial 1.0x, MPI con 4 núcleos 3.6x, MPI con 8 núcleos 6.4x y CUDA 678.9x — Qué tan rápido corre cada versión frente a la serial. Con CUDA alcanza 678.9x; con MPI, 3.6x y 6.4x.

Escenario 1

Escenario 2

Escenario 3

Escenario 4

Cuatro de los más de 14,000 escenarios que probé, cada uno con reglas distintas de entrada y salida del canal.

< 8 días

Inmunovigilancia tumoral

Revisado por pares · IEEE ROPEC 2025

Modelé cómo el sistema inmune interactúa con un tumor: células tumorales, macrófagos, linfocitos T y vasos sanguíneos, cada uno con reglas propias.
Optimicé cómo la simulación usa la memoria y la paralelicé con OpenMP: 6 veces más rápida en más de 7,600 corridas.
El análisis completo bajó de más de 32 días de cómputo a menos de 8, y el trabajo fue arbitrado y publicado en IEEE Xplore.

Leer artículo IEEE ↗Código INAOE ↗Diagrama TME ↗Póster académico ↗

Diagrama del modelo biológico de inmunovigilancia tumoral, diseñado a mano — El modelo biológico: un tumor con núcleo hipóxico rodeado de macrófagos M0, M1 y M2, linfocitos T activos, agotados y vírgenes, fibroblastos, matriz extracelular y vasos sanguíneos y linfáticos.

La simulación en marcha: cada punto es una célula que se mueve, interactúa y responde al tumor.

6 horas

Dinámica browniana (tesis de licenciatura)

Simulé cómo se mueven iones positivos y negativos alrededor de una partícula cargada, una física que exige calcular muchísimas interacciones en cada paso.
Programé la simulación para repartir ese trabajo entre cientos de núcleos de la GPU con OpenACC.
Lo que tomaba 30 días en una corrida normal bajó a 6 horas. En la gráfica, la GPU queda entre 100 y 150 veces por debajo del tiempo serial en todos los tamaños.

Gráfica GPU vs CPU ↗Trayectoria ↗Código de la tesis ↗

Simulación de un electrolito: iones positivos y negativos alrededor de una partícula cargada — Una partícula cargada (blanca) rodeada de iones positivos (rojos) y negativos (azules) que se mueven al azar.

Gráfica comparando tiempos de ejecución en CPU serial, OpenMP y GPU (OpenACC) — Tiempo de ejecución según el tamaño del problema (escala logarítmica): serial, OpenMP en CPU y OpenACC en GPU.

Herramientas y repositorios

Código abierto y utilidades

Ingeniería de producciónDemo en Hugging Face

infartos-mlops

MLOps de punta a punta con demo en vivo, CI/CD y 35 pruebas.

Ver repositorio en GitHub

Automatización y datosExtracción automática

docpipe

Extrae información de documentos y está listo para usarse como herramienta de un asistente de IA.

Ver repositorio en GitHub

Producto con IAHerramienta de escritorio

pdf_to_excel

Extrae tablas de documentos escaneados a Excel con ayuda de Gemini.

Ver repositorio en GitHub