Escola de Doctorat

Data de lectura: 13/02/2026

• FERRANDO MONSONÍS, JAVIER: Interpretability in Natural Language Processing and Machine Translation
  
  Autor/a: FERRANDO MONSONÍS, JAVIER
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: INTEL·LIGÈNCIA ARTIFICIAL
  Departament: Departament de Ciències de la Computació (CS)
  Modalitat: Normal
  Data de dipòsit: 13/11/2025
  Data de lectura: 13/02/2026
  Hora de lectura: 12:00
  Lloc de lectura: Sala MERIT D5010, Edifici D5, Campus Nord UPC, Barcelona
  Director/a de tesi: RUIZ COSTA-JUSSA, MARTA
  Resum de tesi: Aquesta tesi presenta un conjunt de mètodes i anàlisis destinats a millorar la nostra comprensió dels mecanismes interns dels models basats en Transformers en l'àmbit del processament del llenguatge natural i la traducció automàtica.En primer lloc, el treball analitza el paper dels pesos d’atenció en els Transformers encoder-decoder, mostrant que, tot i que no proporcionen alineaments precisos entre paraules, sí que ajuden a explicar les prediccions del model i contribueixen a una comprensió més profunda de la qualitat de la traducció.Una contribució central d’aquesta tesi és el desenvolupament d’ALTI i les seves extensions, que ofereixen un nou enfocament per a l’atribució de prediccions als tokens d’entrada. Aquests mètodes qüestionen supòsits previs sobre el poder explicatiu dels mecanismes d’atenció i revelen com es propaga la informació entre els components de l’encoder i el decoder. En fer-ho, també aporten llum sobre les fonts d’al·lucinacions en els sistemes de traducció.A més, la tesi introdueix tècniques per atribuir les prediccions a components i posicions individuals, fet que permet generar explicacions contrastives del comportament lingüístic. Aquestes explicacions aclareixen com els models de llenguatge representen i resolen diferents fenòmens lingüístics.La tesi també proposa una metodologia per seguir el flux d’informació durant la inferència, oferint una visió detallada de com contribueixen els diferents components del model a les seves prediccions. Això permet identificar components especialitzats per domini i comprendre millor com es transformen les representacions al llarg de les capes.Finalment, l’anàlisi de similituds estructurals entre circuits en diferents llengües revela patrons comuns en la manera com els models processen diversos idiomes. Aquests resultats apunten a l’existència de mecanismes universals en els models de llenguatge.En conjunt, aquesta tesi suposa un avenç en la interpretabilitat dels models Transformer, en proporcionar eines i marcs per analitzar, atribuir i comprendre el comportament de sistemes complexos de processament del llenguatge natural.
  

• PÉREZ GUIJARRO, JORDI: On Quantum Supervised Learning and Learning Techniques for Quantum Error Mitigation
  
  Autor/a: PÉREZ GUIJARRO, JORDI
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: TEORIA DEL SENYAL I COMUNICACIONS
  Departament: Departament de Teoria del Senyal i Comunicacions (TSC)
  Modalitat: Normal
  Data de dipòsit: 22/12/2025
  Data de lectura: 13/02/2026
  Hora de lectura: 11:00
  Lloc de lectura: Aula D5-007, Edifici D5, Campus Nord UPC, Barcelona
  Director/a de tesi: RODRIGUEZ FONOLLOSA, JAVIER | PAGES ZAMORA, ALBA MARIA
  Resum de tesi: El desenvolupament dels ordinadors quàntics promet reduir dràsticament el temps necessari per a resoldre certs problemes computacionals. Entre les seues aplicacions més prometedores hi és l’aprenentatge automàtic. Tanmateix, encara persisteix una gran incertesa en aquest àmbit. En particular, encara no està clar en quins escenaris d’aprenentatge els algorismes quàntics superaran els seus homòlegs clàssics. Aquesta tesi té com a objectiu aprofundir en la nostra comprensió de quan es poden esperar acceleracions quàntiques en les tasques d’aprenentatge automàtic. En concret, examinem la connexió entre l’avantatge quàntic en l’aprenentatge i el fenomen més estudiat de l’avantatge quàntic computacional. Concloem que, en els casos en què el conjunt d’entrenament pot generar-se clàssicament, tots dos són conceptes equivalents, i proporcionem exemples d’aquestes funcions basats en el problema de la factorització.És important destacar que l’aprenentatge automàtic quàntic no només se centra a millorar els algorismes d’aprenentatge clàssic mitjançant la computació quàntica, sinó també a aprendre de dades quàntiques. En aquest context, investiguem un escenari d’aprenentatge en què les entrades a les funcions objectiu són estats quàntics, generalitzant així el marc clàssic d’aprenentatge supervisat. Per això, ens centrem primer en el problema de quantum hypothesis testing, que pot servir com a subrutina tant per a l’avaluació com per a l’aprenentatge de funcions. En concret, dissenyem diversos mètodes seqüencials per resoldre el problema de quantum hypothesis testing, juntament amb una cota inferior per als recursos necessaris. Aquesta cota inferior implica immediatament cotes inferiors corresponents per a l’aprenentatge i l’avaluació de funcions. A més, desenvolupem un mètode d’aprenentatge basat en la tècnica de classical shadows.Finalment, després d’explorar com els processos quàntics poden facilitar l’aprenentatge, examinem com les tècniques clàssiques d’aprenentatge poden, al seu torn, millorar la computació quàntica. En particular, estudiem com es poden utilitzar els mètodes clàssics d’aprenentatge automàtic per mitigar els efectes del soroll en dispositius quàntics, centrant-nos en la mitigació d’errors quàntics. En concret, es proposen nous vectors d’atributs per a la tècnica coneguda com a regressió de dades de Clifford. En primer lloc, es proporciona una justificació teòrica d’aquests vectors d’atributs, seguida d’una anàlisi i una posterior avaluació del seu rendiment mitjançant experiments numèrics. Es conclou que, per a alguns dels vectors d’atributs proposats, s’aconsegueix una millora del rendiment.
  

Data de lectura: 18/02/2026

• BORJA ROBALINO, RICARDO STALIN: Optimización bayesiana en técnicas machine Learning clásicas: redes neuronales y XGBoost y su aplicación como modelos predictores de diabetes en pacientes ecuatorianos
  
  Autor/a: BORJA ROBALINO, RICARDO STALIN
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: ESTADÍSTICA I INVESTIGACIÓ OPERATIVA
  Departament: Departament d'Estadística i Investigació Operativa (EIO)
  Modalitat: Normal
  Data de dipòsit: 22/01/2026
  Data de lectura: pendent
  Hora de lectura: pendent
  Lloc de lectura: pendent
  Director/a de tesi: MONLEON GETINO, ANTONIO | GIBERT OLIVERAS, CARINA
  Resum de tesi: El machine learning (ML) és una branca de la intel·ligència artificial que permet imitar les capacitats humanes, mitjançant diversos algorismes i tècniques que aprenen de les dades mitjançant processos d'aprenentatge (supervisat, no supervisat o per reforç) per a la presa de decisions amb una mínima intervenció humana. Els models clàssics de ML han generat grans resultats a l'automatització de processos de classificació i regressió en diverses àrees. Dins de la classificació, les xarxes neuronals artificials (ANN) han guanyat rellevància per la capacitat d'aprendre i modelar relacions no lineals complexes. De la mateixa manera, el model XGBoost basat en arbres de decisió ha demostrat una gran eficiència, velocitat, escalabilitat i rendiment, imposant-se en diverses competicions. D'altra banda, la inferència bayesiana ha proporcionat un marc probabilístic i revolucionari en les optimitzacions dels models de machine learning, amb la implementació de la incertesa en el procés d'estimació, combinant l'evidència amb les creences prèvies, amb la finalitat de reduir sobreajustaments i millorar les prediccions ajustant paràmetre.Aquesta investigació té com a objectiu optimitzar dues tècniques clàssiques de machine learning (xarxes neuronals artificials i XGBoost), per al cas de classificació mitjançant inferència bayesiana i construir un model de prevenció de diabetis per a la població equatoriana. L'estudi parteix d'una conceptualització teòrica i matemàtica de cada algorisme, seguida d'una anàlisi dels diversos punts d'intervenció, programació i implementació dels models bayesians amb tècniques d'estimació de cadenes de Markov Monte Carlo (MCMC) i inferència variacional (IV), validació mitjançant bases de dades públiques, implementació d'un sistema client-servidor com a predictors de diabetis tipus 1, tipus 2 i gestacional.Com a resultat, a les xarxes neuronals artificials (ANN) es va implementar un model bayesià en dos punts d'inferència. El primer va ajustar els paràmetres a cada pas de retropropagació; tot i això, es va presentar com una opció amb una sobrecàrrega computacional prohibitiva. Com a segona intervenció es va realitzar un ajustament sobre la funció dactivació a la capa final, obtenint resultats positius i viables computacionalment. Per al cas de XGBoost es van ajustar les prediccions a cada pas boosting abans de la vectorització, evidenciant una alta capacitat predictiva tant en l'ús de la tècnica de MCMC com a IV. La validació amb la base Pima Indians Diabetes i l'ús de diverses funcions de distribució van demostrar la robustesa i sensibilitat dels models implementats, mentre que la generalització i la consistència es va comprovar a través de l'aplicació en diverses bases de dades. En tots els casos, es van obtenir resultats superiors o iguals a lús del model tradicional, depenent de les característiques de les dades.Addicionalment, es va implementar una aplicació web (client-servidor) amb les propostes bayesianes, que permeten a l'usuari interactuar amb els models de forma fàcil i intuïtiva, amb opcions de càrrega de dades, configuració de paràmetres i distribucions de probabilitat, tècniques d'estimació (MCMC o IV), procés d'entrenament-validació o ús de model. L'aplicació de la proposta bayesiana a un cas real com és el cas de la predicció de la diabetis tipus 1, tipus 2 i gestacional, amb dades de pacients equatorians, va presentar resultats encoratjadors (accuracy=99.47%), convertint-se en el primer model predictor dels tres tipus de diabetis a nivell regional i nacional, confirmant que machine learning.
  

• CASTRO CARRASCO, REBECA IGNACIA: Characterization of sulfate-reducing biofilms using an amperometric printed H₂S sensor
  
  Autor/a: CASTRO CARRASCO, REBECA IGNACIA
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: RECURSOS NATURALS I MEDI AMBIENT
  Departament: Departament d'Enginyeria Minera, Industrial i TIC (EMIT)
  Modalitat: Normal
  Data de dipòsit: 22/01/2026
  Data de lectura: pendent
  Hora de lectura: pendent
  Lloc de lectura: pendent
  Director/a de tesi: GABRIEL BUGUÑA, GEMMA | GUIMERÀ VILLALBA, XAVIER
  Resum de tesi: Una comprensió completa dels processos sulfidogènics en bioreactors continua sent limitada a causa de la poca disponibilitat d’eines per a avaluar l’activitat sulfatoreductora de la biomassa immobilitzada. Per abordar aquesta limitació, el present treball es basa en el desenvolupament d’alternatives adequades per a la caracterització de biomassa sulfatoreductora mitjançant microsensors electroquímics. Per a això, es va desenvolupar un bioreactor de cel·la de flux per a la monitorització en temps real emprant biomassa artificialment immobilitzada, en substitució de la immobilització natural derivada d’exopolisacàrids. Les avaluacions físiques i biològiques van permetre identificar una matriu polimèrica capaç de preservar l’activitat sulfatoreductora, garantint al mateix temps una retenció microbiana adequada i una integritat estructural; a més, es va avaluar un conjunt de condicions operatives per generar perfils detallats de producció d’H₂S en el bioreactor de cel·la de flux. Paral·lelament, es va fabricar un microsensor d’H₂S imprès, mitjançant tecnologia inkjet printing, utilitzant com a substrat tereftalat de polietilè, imprimint amb tintes de plata i or, i realitzant una modificació amb nanotubs de carboni reforçats amb alcohol polivinílic i clorur de polidialildimetilamoni, que promou la dispersió de la tinta, l’adhesió i l’estabilitat mecànica. La formulació optimitzada va proporcionar estabilitat operativa a llarg termini, respostes lineals en diferents medis i un rendiment comparable al de microsensors comercials, malgrat una disminució inicial de la sensibilitat. A més, l’estudi va avaluar el comportament operatiu de grànuls artificials sulfatoreductors en reactors de columna i de tanc agitat tractats, demostrant altes eficiències d’eliminació de sulfat a càrregues moderades, una estabilitat superior en configuracions de columna, acumulació d’àcids grassos volàtils associada a l’oxidació incompleta del glicerol i l’eficàcia d’una estratègia de bioreforç basada en bacteris sulfatoreductors acetat-oxidants immobilitzats en grànuls artificials. Finalment, la plataforma integrada es va validar per a l’anàlisi de la producció d’H₂S en biopel·lícules reductores de sulfat immobilitzades, combinant el bioreactor de cel·la de flux amb microsensors impresos per a la monitorització simultània i in situ d’H₂S i pH. L’adquisició de dades va revelar marcats gradients d’H₂S impulsats per limitacions de transferència de matèria i dispersió hidrodinàmica, mentre que els elèctrodes impresos van mostrar respostes amperomètriques lineals i un rendiment estable durant operacions prolongades, confirmant així l’idoneïtat de la plataforma proposada per a la caracterització d’alta resolució i en temps real de biopel·lícules sulfidogèniques.
  

• MUÑOZ GALAN, HELENA: Sensor design and development for autonomous devices for disease diagnosis and therapy
  
  Autor/a: MUÑOZ GALAN, HELENA
  Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
  Programa: POLÍMERS I BIOPOLÍMERS
  Departament: Departament d'Enginyeria Química (EQ)
  Modalitat: Normal
  Data de dipòsit: 22/01/2026
  Data de lectura: pendent
  Hora de lectura: pendent
  Lloc de lectura: pendent
  Director/a de tesi: ALEMAN LLANSO, CARLOS ENRIQUE | PÉREZ MADRIGAL, MARIA DEL MAR
  Resum de tesi: Aquesta tesi doctoral aborda els principals reptes en la gestió de la diabetis mitjançant la integració de materials sostenibles, sistemes de monitoratge no invasiu i tecnologies avançades d’alliberament d’insulina dins d’un marc unificat. La diabetis mellitus és un trastorn metabòlic crònic que requereix monitoratge continu de la glucosa i una administració precisa d’insulina per mantenir el control glucèmic i reduir complicacions. Responent a aquestes necessitats, la tesi es divideix en tres aportacions principals.En primer lloc, es millora un dispositiu previ de monitoratge no invasiu de glucosa incorporant polietilè de baixa densitat (LDPE) reciclat en el disseny del sensor. L’ús de LDPE reciclat incrementa la sostenibilitat, l’eficiència econòmica i la compatibilitat ambiental sense comprometre’n el rendiment, demostrant la viabilitat de reutilitzar residus plàstics en tecnologies biomèdiques.En segon lloc, la recerca desenvolupa noves estratègies per a l’alliberament controlat d’insulina mitjançant hidrogels sensibles a estímuls. Es van crear hidrogels basats en àcid poli(γ-glutàmic) i polietilenglicol (PEG) multibraç capaços de proporcionar una alliberació sostinguda i regulable. La incorporació del polímer conductor PEDOT permet un alliberament elèctric i sota demanda, oferint una alternativa mínimament invasiva als mètodes tradicionals.Finalment, s’investigaren les propietats nanomecàniques dels hidrogels de PEG multibraç utilitzant un sensor optomecànic amb microcantilever, aportant informació clau sobre el seu comportament estructural, estabilitat i rendiment a llarg termini.En conjunt, aquestes aportacions constitueixen una estratègia completa per avançar en la gestió de la diabetis mitjançant solucions biomèdiques sostenibles i plataformes intel·ligents d’alliberament terapèutic.