La investigadora de la UCM Beatriz Seoane obtiene una ERC Consolidator Grant para revolucionar el aprendizaje automático
La investigadora de la Universidad Complutense de Madrid (UCM) Beatriz Seoane, profesora del Departamento de Física Teórica y especialista en Física Estadística, ha sido galardonada con una ERC Consolidator Grant 2025, una de las ayudas más prestigiosas que concede el Consejo Europeo de Investigación (European Research Council, ERC). Esta financiación, dotada con cerca de dos millones de euros para los próximos cinco años, reconoce la excelencia científica y el liderazgo de su proyecto “Beyond Maximum Entropy: A new paradigm for Modeling, Inference, and Learning Efficiency (BeME)”.
El objetivo del proyecto es desarrollar un nuevo paradigma en el aprendizaje automático (machine learning) que permita construir modelos más eficientes, interpretables y fundamentados en principios físicos, frente a las arquitecturas masivas y opacas que dominan actualmente el campo de la inteligencia artificial. La propuesta pone el foco en una de las grandes limitaciones de los modelos actuales: su gran consumo de recursos computacionales y su baja capacidad para explicar cómo y por qué toman determinadas decisiones.
La idea es avanzar hacia modelos que, además de funcionar bien, podamos entender. El enfoque del proyecto se basa en ideas procedentes de la física estadística, especialmente en los llamados modelos generativos de energía, que permiten describir los sistemas complejos a partir de modelos de interacción aprendidos de los datos, que pueden ser luego analizados con herramientas físicas.
De los grandes modelos a la inteligencia eficiente
El proyecto BeME se aleja de la tendencia predominante basada en modelos cada vez más grandes y costosos. En su lugar, propone una forma de aprendizaje que prioriza la eficiencia, la simplicidad y la interpretabilidad, cualidades especialmente importantes en ámbitos científicos y biomédicos, donde la confianza en los resultados es fundamental.
La investigación combinará herramientas de física teórica, matemáticas, estadística e inteligencia artificial para desarrollar algoritmos capaces de aprender por medio de mecanismos que pueden ser entendidos y analizados usando herramientas de física estadística.
Aplicaciones en neurociencia, genética y física de fluidos
El proyecto tendrá un marcado carácter interdisciplinar y se aplicará en tres grandes áreas científicas. En neurociencia, los nuevos modelos se utilizarán para mejorar la interpretación de la actividad de circuitos neuronales y entender mejor cómo se organizan y procesan la información en el cerebro. En bioinformática, se buscará optimizar el análisis de datos genómicos y otras grandes bases de datos biológicas, con el objetivo de identificar patrones relevantes de forma más precisa y transparente. Finalmente, en estudios de turbulencia y física de fluidos, los nuevos enfoques podrían ayudar a describir estructuras ocultas en los flujos turbulentos y a mejorar los modelos predictivos en contextos industriales y ambientales.
Las ERC Consolidator Grants están consideradas entre las ayudas más competitivas de Europa. Están dirigidas a investigadores e investigadoras que ya han demostrado una trayectoria científica sólida y con gran potencial de liderazgo para desarrollar proyectos disruptivos e innovadores en la Frontera del Conocimiento.