Escuela de Doctorado

Fecha de lectura: 08/05/2026

• BAREA SANCHEZ, GUILLEM: Wall-Bounded Supercritical Fluid Turbulence: Flow Topology & Modal Decomposition
  
  Autor/a: BAREA SANCHEZ, GUILLEM
  Tesis completa: (contacta con la Escuela de Doctorado para confirmar que eres un doctor acreditado y obtener el enlace a la tesis)
  Programa: INGENIERÍA MECÁNICA, FLUIDOS Y AERONÁUTICA
  Departamento: Departamento de Ingeniería Mecánica (EM)
  Modalidad: Compendio de publicaciones
  Fecha de depósito: 13/04/2026
  Fecha de lectura: 08/05/2026
  Hora de lectura: 12:30
  Lugar de lectura: Sala polivalent de l'edifici A, campus Diagonal-Besòs Escola d'Enginyeria de Barcelona Est (EEBE)
  Director/a de tesis: JOFRE CRUANYES, LLUÍS
  Resumen de tesis: Esta tesis investiga cómo las fuertes variaciones termofísicas en turbulencia transcritica a alta presión reorganizan el flujo. Motivado en el Capítulo 1, se analizan DNS (Direct Numerical Simulation) de nitrógeno y CO2​ atravesando la región de pseudo-boiling. El Capítulo 2 establece un riguroso inner-product framework (Favre-weighted y Chu) para garantizar la comparabilidad en estos regímenes de densidad variable.El Capítulo 3 caracteriza la topología multiescala. Cerca de la pared caliente, el flujo imita el comportamiento de la capa externa con láminas de vorticidad, impulsadas por producción baroclínica debida a los gradientes de densidad. A escalas del espesor de gradiente, dominan las estructuras tubulares, evidenciando cómo la termodinámica transcritica reconfigura la jerarquía estructural respecto al flujo incompresible.Para evaluar la coherencia energética, el Capítulo 4 emplea la Proper Orthogonal Decomposition (POD) en casos de CO2​ que abarcan desde regímenes laminares hasta turbulentos. Los espectros de autovalores demuestran que, mientras que los movimientos portadores de energía cinética admiten representaciones compactas, los campos termodinámicos (temperatura y calor específico isobárico) se caracterizan por una mayor intermitencia y localización, requiriendo subespacios de dimensiones superiores. Las análisis cruzados revelan una pronunciada coorganización de los modos hidrodinámicos y termodinámicos dentro de las capas de pseudo-boiling, lo que hace necesarios estados multivariables para descripciones de orden reducido precisas.En el dominio frecuencial, se utiliza la Spectral Proper Orthogonal Decomposition (SPOD) en el Capítulo 5 para revelar un andamiaje de estructuras coherentes para la turbulencia transcritica en un Minimal Flow Unit. Una estructura de baja frecuencia (f^​≈0.27) persiste a través de las condiciones operativas, manifestándose como una lámina alargada en la dirección del flujo y adherida a la pared, con amplia separación en la dirección spanwise. A diferencia de esta característica hidrodinámica universal, aparece condicionalmente una rama térmica de alta frecuencia a presiones cercanas al punto crítico y grandes diferencias de temperatura, exhibiendo estructuras compactas y una actividad termodinámica mejorada.Finalmente, las implicaciones de estos hallazgos para la modelización se sintetizan en el Capítulo 6. La evidencia respalda estrategias de Reduced Order Models (ROM) que integran variables termodinámicas en el vector de estado y respetan la separación espectral identificada. La tesis concluye esbozando vías para integrar resolvent analysis basado en operadores con modos derivados de datos para desarrollar ROMs físicamente consistentes para sistemas de fluidos reales a alta presión.
  

• BLANCO CASARES, ANTONIO: A Numerical Framework for Solving Complex Flow Regimes with Continuous Galerkin
  
  Autor/a: BLANCO CASARES, ANTONIO
  Tesis completa: (contacta con la Escuela de Doctorado para confirmar que eres un doctor acreditado y obtener el enlace a la tesis)
  Programa: FÍSICA COMPUTACIONAL Y APLICADA
  Departamento: Departamento de Física (FIS)
  Modalidad: Normal
  Fecha de depósito: 18/02/2026
  Fecha de lectura: 08/05/2026
  Hora de lectura: 10:15
  Lugar de lectura: Sala de Tesines, Edifici C1, Planta baixa, Aula 002, Escola de Camins, Campus Nord - UPC
  Director/a de tesis: LEHMKUHL BARBA, ORIOL | MIRA MARTÍNEZ, DANIEL
  Resumen de tesis: Esta tesis investiga una formulación numérica estable y de alto orden para resolver una variedad de problemas de flujo utilizando el método de Galerkin continuo, incluyendo flujos reactivos, compresibles e incompresibles. Contar con herramientas numéricas fiables y precisas para tales problemas es crucial en muchas aplicaciones del mundo real, que van desde la aerodinámica y los procesos industriales hasta estudios médicos, donde se requieren simultáneamente alta fidelidad y eficiencia computacional. Lograr soluciones estables en problemas dominados por la advección, particularmente en mallas no uniformes, sigue siendo un desafío fundamental.Para abordar esto, la tesis desarrolla una estrategia de estabilización adecuada para elementos de alto orden, como los espectrales, diseñada para eliminar eficazmente las inestabilidades numéricas introduciendo al mismo tiempo una disipación numérica mínima para lograr una solución de alta precisión. Basándonos en la literatura reciente, nos hemos centrado en métodos de estabilización basados en la proyección de gradientes, lo que permite detectar las fluctuaciones numéricas para estabilizar el sistema de manera efectiva. El esquema numérico presenta una combinación de estabilización de alto y bajo orden regida por un sensor de suavidad. La estabilización de alto orden se aplica en regiones suaves para mantener los perfiles físicos, mientras que la estabilización de bajo orden se activa solo cerca de gradientes fuertes para suprimir oscilaciones no físicas. Esta metodología se formula para una ley de conservación genérica y se pone a prueba en problemas de advección lineal, transporte escalar en flujos reactivos, y problemas de Navier-Stokes compresibles e incompresibles.Los resultados numéricos muestran que, para la combustión turbulenta premezclada bajo la asunción de bajo número de Mach, el método soporta química tabulada con el modelo de flamícula, ofreciendo una representación adecuada del frente de llama. Para flujos compresibles, se ha desarrollado un sensor de suavidad basado en el número de Mach, gestionando eficazmente características de flujo complejas como las ondas de choque. Para flujos incompresibles, el algoritmo emplea un método de paso fraccionado con condiciones de contorno bien definidas, manteniendo los mismos principios de estabilización inherentes a este método. En todos los casos, la estabilización introduce una disipación numérica decreciente al aumentar el orden polinómico, logrando una convergencia óptima tanto con el refinamiento en malla como con el aumento del orden polinómico.Estos desarrollos contribuyen a simulaciones numéricas prácticas a gran escala que equilibran la eficiencia computacional con resultados de alta fidelidad, permitiendo la predicción precisa de fenómenos físicos del mundo real. El marco propuesto proporciona una herramienta robusta y escalable para aplicaciones de dinámica de fluidos computacional, con un impacto potencial en la investigación científica y el modelado industrial.
  

Fecha de lectura: 11/05/2026

• AGUILAR PLAZAOLA, JOSÉ AGUSTÍN: DATA-DRIVEN MODELLING, STATE ESTIMATION, CELL CONTROL AND MOTION PLANNING FOR PEM FUEL CELL-POWERED VEHICLES
  
  Autor/a: AGUILAR PLAZAOLA, JOSÉ AGUSTÍN
  Tesis completa: (contacta con la Escuela de Doctorado para confirmar que eres un doctor acreditado y obtener el enlace a la tesis)
  Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
  Departamento: Instituto de Robótica e Informática Industrial (IRI)
  Modalidad: Normal
  Fecha de depósito: 05/03/2026
  Fecha de lectura: 11/05/2026
  Hora de lectura: 17:30
  Lugar de lectura: Aula 28.8, Av. Diagonal, 647, Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB), Campus Sud, 08028 Barcelona
  Director/a de tesis: HUSAR, ATTILA PETER | ANDRADE CETTO, JUAN
  Resumen de tesis: Esta tesis doctoral presenta avances novedosos en las áreas de modelado, estimación de estado, planificación de trayectorias y control para mejorar la eficiencia energética y la durabilidad del tren motriz de robots autónomos y vehículos eléctricos propulsados por pilas de combustible de membrana de intercambio protónico (PEM). El objetivo principal del presente trabajo es diseñar e implementar algoritmos que, partiendo de un conocimiento profundo de los sistemas en cuestión, mejoren las características y superen a los métodos más avanzados. Se prueban los algoritmos desarrollados con datos de perfiles experimentales dinámicos.En el ámbito de la modelización de pilas de combustible tipo PEM, se propone un modelo físico computacionalment eficiente. A continuación, se desarrolla y valida un modelo con una estructura basada en redes neuronales, construido exclusivamente a partir de datos. Este modelo se enmarca dentro de un nuevo paradigma de aprendizaje automático, la computación por reservorios. Posteriormente, se construye un modelo híbrido, que combina ambos modelos mediante un algoritmo de fusión basado en funciones de base radial. Los tres modelos se prueban con un conjunto de datos experimentales dinámicos, y se demuestra cómo la estructura híbrida propuesta supera a cada uno de los modelos por separado.En el área de estimación de estados, se desarrolla un filtro de partículas con el objetivo de estimar los estados internos (o parámetros) de la pila de combustible, teniendo en cuenta la no linealidad del sistema y la incertidumbre en su modelo. El algoritmo es capaz de estimar las variables internas de un sistema no lineal con distribución probabilística no gaussiana. El algoritmo se implementa para estimar la densidad de corriente de intercambio de una pila de combustible y se prueba con dos conjuntos de datos experimentales, superando a dos algoritmos de estimación actuales. A continuación, la variable estimada se utiliza para ajustar un modelo autorregresivo y predecir la evolución del voltaje de la pila a largo plazo.En el ámbito del control, se propone una arquitectura compuesta por un controlador de alto nivel que se encarga de calcular los valores óptimos de temperatura con el objetivo de minimizar la degradación de la capa de catalizador de la pila de combustible PEM y, al mismo tiempo, maximizar su rendimiento. Estos valores óptimos son enviados al controlador local del sistema de regulación de temperatura de la pila de combustible. El controlador propuesto se basa en el paradigma del control predictivo por modelos; para ello, se diseña una función de costes multiobjetivo, basada en modelos del estado del arte del proceso de degradación del platino que tiene lugar durante el funcionamiento de la pila. El controlador se valida en simulación y se muestra cómo adapta la temperatura en función de las condiciones de carga, optimizando el rendimiento del catalizador y minimizando su degradación.En el área de la planificación de trayectorias, se desarrolla un nuevo algoritmo de planificación que toma en cuenta los mecanismos de degradación en el catalizador causados por el perfil de carga. El algoritmo desarrollado es una extensión del algoritmo A*, incluyendo nuevas funciones de coste y heurísticas basadas en los últimos modelos de degradación disponibles en la literatura. Estas funciones incorporan penalizaciones relacionadas con el perfil de carga esperado en las rutas más perjudiciales para la integridad del catalizador. Se realizan pruebas de simulación con diferentes escenarios y se compara el rendimiento del planificador de rutas desarrollado con el algoritmo A* convencional.En el ámbito eficiencia energética, se desarrolla un control para optimizar la energía en un sistema de asistencia a la conducción. Se diseña el controlador, incluyendo el modelo del sistema, la función de costo y restricciones. Se realizan pruebas de simulación comparando el controlador propuesto con uno convencional.
  

• NOURMOHAMMADI, FARZANEH: Deep Learning Driven Blocking Prediction in Elastic Optical Networks using Spatio-Temporal Hybrid Neural Network
  
  Autor/a: NOURMOHAMMADI, FARZANEH
  Tesis completa: (contacta con la Escuela de Doctorado para confirmar que eres un doctor acreditado y obtener el enlace a la tesis)
  Programa: TEORÍA DE LA SEÑAL Y COMUNICACIONES
  Departamento: Departamento de Teoría de la Señal y Comunicaciones (TSC)
  Modalidad: Normal
  Fecha de depósito: 24/03/2026
  Fecha de lectura: 11/05/2026
  Hora de lectura: 11:00
  Lugar de lectura: UPC Campus Nord D4-012 Sala de Juntes TSC
  Director/a de tesis: COMELLAS COLOME, JAUME
  Resumen de tesis: El crecimiento explosivo de servicios de alto consumo de ancho de banda, como el streaming de video en ultra alta definición, los juegos en la nube y la realidad virtual, está impulsando a las redes de transporte óptico hacia una mayor flexibilidad y eficiencia. Las Redes Ópticas Elásticas (EON, por sus siglas en inglés) responden a estas demandas asignando espectro en ranuras de frecuencia de tamaño variable, en lugar de canales de rejilla fija. Sin embargo, el establecimiento y la liberación dinámicos de trayectos ópticos heterogéneos fragmentan el espectro óptico, lo que a menudo conduce al bloqueo de conexiones incluso cuando existe suficiente capacidad total. Una predicción temprana y precisa de los eventos de bloqueo permite a los controladores de red activar de forma proactiva la desfragmentación del espectro y la reasignación de recursos, mejorando la continuidad del servicio y la utilización de la red.Esta tesis doctoral investiga enfoques basados en aprendizaje profundo para la predicción de bloqueo en EON utilizando información del estado de la red representada como matrices de ocupación del espectro. En primer lugar, introducimos Redes Neuronales Convolucionales unidimensionales y bidimensionales (1D-CNN y 2D-CNN) para extraer automáticamente patrones espaciales de fragmentación a partir de topologías EON simuladas. La 2D-CNN propuesta alcanza una precisión de predicción del 92,17\% y supera a líneas base convencionales de aprendizaje automático, como las Máquinas de Vectores de Soporte y k-Vecinos Más Cercanos. Sobre esta base, proponemos arquitecturas híbridas espaciotemporales que integran la extracción de características mediante convoluciones con unidades de Memoria a Largo Corto Plazo (LSTM) y LSTM Bidireccional (BiLSTM), con el fin de captar tanto los patrones espaciales como la evolución temporal de la fragmentación del espectro. El modelo CNN–BiLSTM logra una precisión de predicción del 94,1\% manteniendo una complejidad computacional razonable, y el modelo CNN–LSTM ofrece un equilibrio favorable entre precisión y velocidad de entrenamiento.Al unificar técnicas de aprendizaje profundo espaciales y temporales, este trabajo proporciona un marco integral para la predicción temprana y fiable del bloqueo en entornos EON dinámicos. Los modelos propuestos pueden integrarse en controladores de redes ópticas elásticas para habilitar acciones oportunas de desfragmentación, reduciendo la probabilidad de bloqueo y mejorando la eficiencia global de la red. Los resultados avanzan la aplicación de la inteligencia artificial al networking óptico y sientan las bases para una futura integración con estrategias de enrutamiento inteligente, asignación de espectro y automatización de redes.
  

Fecha de lectura: 14/05/2026

• AREIAS FANZERES, LEONARDO: Sound-to-Image Translation Through Direct Cross-Modal Learning: An Exploratory and Architectural Study
  
  Autor/a: AREIAS FANZERES, LEONARDO
  Tesis completa: (contacta con la Escuela de Doctorado para confirmar que eres un doctor acreditado y obtener el enlace a la tesis)
  Programa: TEORÍA DE LA SEÑAL Y COMUNICACIONES
  Departamento: Departamento de Teoría de la Señal y Comunicaciones (TSC)
  Modalidad: Normal
  Fecha de depósito: 16/04/2026
  Fecha de lectura: pendiente
  Hora de lectura: pendiente
  Lugar de lectura: pendiente
  Director/a de tesis:
  Resumen de tesis: El sonido ambiente transmite rica información semántica y contextual sobre eventos, objetos y dinámicas espaciales. Sin embargo, los enfoques computacionales predominantes para el análisis de audio ambiental, como la Detección de Eventos Acústicos (Acoustic Event Detection, AED), suelen reducir esta complejidad a etiquetas textuales discretas. Aunque estas representaciones son eficaces para tareas de monitorización automatizada, simplifican en exceso las escenas acústicas y resultan insuficientes cuando la información auditiva debe comunicarse entre diferentes modalidades. La traducción de sonido a imagen (Sound-to-Image, S2I) ofrece un enfoque alternativo en el que un modelo sintetiza imágenes que representan visualmente las fuentes emisoras de sonido y los entornos que las rodean.Esta tesis introduce y desarrolla la traducción directa de sonido a imagen, un paradigma que establece una conexión entre las modalidades auditiva y visual sin recurrir a mediación textual, supervisión por clases o alineamiento basado en clústeres durante el entrenamiento. La hipótesis central es que las abstracciones de alto nivel aprendidas por redes neuronales profundas proporcionan un espacio semántico compartido en el que modalidades heterogéneas pueden conectarse directamente, permitiendo generar imágenes que sean interpretables y semánticamente coherentes con el sonido de origen. A tales salidas se las denomina informativas, en el sentido de que comunican visualmente aspectos significativos del evento acústico.La primera parte de la tesis presenta, hasta donde alcanza nuestro conocimiento, el primer estudio dedicado a la traducción directa S2I. Se desarrolla una red generativa antagónica (Generative Adversarial Network, GAN) densamente conectada y condicionada mediante incrustaciones de audio, con el objetivo de sintetizar imágenes directamente a partir del sonido. Dado que múltiples imágenes plausibles pueden corresponder a un mismo evento acústico, la calidad de la traducción no puede evaluarse mediante reconstrucción a nivel de píxel. Para abordar este desafío, se propone un marco de evaluación basado en la informatividad, que emplea clasificadores dedicados para determinar si las imágenes generadas son interpretables y semánticamente coherentes con el audio de origen. Los experimentos revelan que, a pesar de la dificultad inherente de la tarea, el modelo generaliza a sonidos no vistos y produce salidas informativas en una proporción significativa de las traducciones. El análisis también muestra que la dimensionalidad del cuello de botella latente influye en el comportamiento de la traducción, revelando un compromiso entre la convergencia en el espacio de píxeles y la informatividad.Sobre esta base, la segunda parte investiga si los mecanismos de atención pueden fortalecer el alineamiento entre modalidades. Módulos de autoatención y atención cruzada se integran en el generador y se evalúan en múltiples configuraciones. Los resultados muestran que la atención mejora el rendimiento de la traducción cuando se aplica en las primeras etapas de la red, incrementando la informatividad en comparación con la línea base puramente convolucional, al tiempo que preserva la naturaleza plenamente directa de la conexión audio–visual.En conjunto, estas contribuciones definen, validan y amplían formalmente la traducción directa S2I como un paradigma de investigación diferenciado. Más allá del diseño arquitectónico y de las estrategias de entrenamiento, esta tesis avanza principios metodológicos para la evaluación cuantitativa de la traducción entre modalidades en ausencia de una verdad visual determinista. Los resultados contribuyen a una mejor comprensión del aprendizaje de representaciones multimodales y destacan el potencial de la traducción directa S2I para aplicaciones en interacción multimodal y tecnologías orientadas a la accesibilidad, particularmente para mejorar la conciencia situacional en personas sordas o con pérdida auditiva.