Mariano

La sustitución de aditivos sintéticos para preservar los productos es un problema de relevancia en la industria pesquera local. Para estudiar la dispersión de un aditivo en el alimento, y a los efectos de optimizar el proceso, se planteó un modelo general que puede resolverse por un método de diferencias finitas implementado en Python. El modelo fue validado experimentalmente y aplicado para describir la dispersión de metabisulfito de sodio, en soluciones de agua y quitosano, al interior de langostinos sin cáscara.

Este trabajo, que está publicado en la revista de la Facultad de Ingeniería da la UNPSJB (https://www.revistas.unp.edu.ar/index.php/rediunp/article/view/1095), aporta nueva información sobre la difusión de aditivos en diferentes soluciones soporte y, en particular, sobre el uso de un biopolímero natural, el quitosano, como una alternativa sostenible para reducir los aditivos convencionales.

En colaboración con investigadores del CESIMAR se publicó el trabajo: “Is Eye Allometry the Silver Bullet for Measuring Marine Fishes with a Single Camera?” (https://doi.org/10.1643/i2023083) con el objetivo de predecir la longitud total de los peces utilizando la relación entre la altura de su cabeza y el diámetro de su ojo (ratio HH:ED). Para ello, se implementaron modelos de Redes Neuronales Artificiales (ANN), ya que son capaces de superar a los modelos de regresión tradicionales en condiciones de datos ruidosos o con muestras pequeñas.

La arquitectura de la red neuronal elegida fue de tipo feed-forward, con una estructura simple y efectiva: una entrada (el ratio HH:ED), una capa oculta y una salida (la longitud total del pez). Para encontrar el mejor modelo para cada especie, se realizó un proceso de optimización de hiperparámetros utilizando validación cruzada (k-fold con k=5). Se probaron diferentes valores para el número de neuronas en la capa oculta (5,000, 10,000, 50,000), la tasa de aprendizaje, el dropout (para evitar el sobreajuste) y el tamaño del lote. El entrenamiento se llevó a cabo durante 200 épocas utilizando el algoritmo de retropropagación (backpropagation) y el optimizador Adam, con el objetivo de minimizar el Error Absoluto Medio (MAE). Finalmente, el rendimiento de los modelos de redes neuronales fue evaluado usando el coeficiente de determinación (R²) y el Error Absoluto Medio Relativo (RMAE). Los resultados se compararon con los de modelos de regresión estándar, demostrando que las redes neuronales ofrecieron un rendimiento superior en la predicción de la longitud de los peces.

Proceso de modelado con Redes Neuronales Artificiales (ANN). (A) Diagrama de la arquitectura general de la ANN; (B) ejemplo del proceso de entrenamiento y prueba por retropropagación de la ANN con la optimización de la función de pérdida (error) a lo largo de 200 épocas para una especie (Acanthistius patachonicus). Lr: tasa de aprendizaje; bs: tamaño del lote; n_h: número de neuronas en la capa oculta; p: dropout.

De acuerdo con algunas proyecciones, se podrían necesitar 100 años antes de que la población de elefantes marinos del Sur de la Península Valdés vuelva a tener 18.000 hembras reproductivas como en 2022. En un trabajo realizado en conjunto con investigadores del CESIMAR, Cenpat-Conicet, y otras instituciones nacionales e internacionales (https://doi.org/10.1111/mms.70009) se evaluó el posible impacto de la epidemia de gripe aviar, ocurrida en 2023, dónde casi todas las crías nacidas en ese año murieron, además de un número indeterminado de adultos reproductores.

En este trabajo se consideraron distintos escenarios proyectando la cantidad de nacimientos para los próximos años. Si el episodio hubiera afectado sólo a las crías, la población podría recuperarse a los niveles de 2022 entre 2029 y 2051 debido a que la mortalidad natural en las primeras etapas de vida es de por sí muy alta. Pero si la enfermedad afectó a una parte significativa de la población reproductiva, el año esperado de recuperación podría ser 2091. Sin embargo, hay escenarios aún más dramáticos, como el que combina mortalidad de hembras adultas con la pérdida de oportunidades reproductivas por impacto sobre el sistema social a causa de la muerte de machos adultos, o cuando la epidemia se repite. En el peor de los casos, la población se vería como en 2022 recién a mediados del siglo XXII.

El trabajo destaca la necesidad de realizar monitoreos periódicos que aporten datos y sirvan de alerta en el caso de niveles anormales de mortalidad. Las conclusiones se encuentran respaldadas por décadas de datos demográficos y de salud animal recopilados por investigadores del CONICET, la UNPSJB, WCS Argentina, y la Universidad de California Davis.

La contaminación del agua es un problema mundial crítico. Las columnas de adsorción son uno de los metodos más utilizados en la industria para el tratamiento de aguas residuales. En las columnas el adsorbente se encuentra fijo en el interior de la columna mientras que la solución a tratar ingresa por un extremo y egresa por el otro produciéndoce un proceso continuo de transferencia de materia desde la solución contaminada hacia el adsorvente.

En un trabajo conjunto con ivestigadores de la Universidad Nacional de la Plata (https://doi.org/10.1007/s10665-024-10375-x) se propuso un modelo matemático para describir el proceso de adsorcion en una columna de lecho fijo que generaliza los modelos más simples utilizados generalmente para analizar y proyectar columnas de adsorción. Las ecuaciones diferenciales implicadas se resolvieron analíticamente por el método de la Transformada de Laplace y el modelo propuesto se aplicó para describir la adsorción de cromo hexavalente en el biopolímero quitosano.

La generalización propuesta en este modelo integra la las características de la columna como el flujo, la altura y la concentración del contaminante junto con las propiedades de la reacción química involucrada, lo que constituye una herramienta útil para describir el proceso de adsorción en columnas y tomar decisiones en el diseño de las mismas.

Se desarrolló un modelo para simular las corrientes de marea en la zona Norte del Golfo San Jorge. El modelo propone un método simple para resolver numéricamente ecuaciones diferenciales de aguas poco profundas, utilizando el método de los elementos finitos y una técnica de estabilización conocida como suavizado numérico (https://doi.org/10.1007/s40314-023-02509-1).

En la zona costera, rasgos geomorfológicos como puntas, islas y arrecifes pueden originar flujos y remolinos de mezcla de la columna de agua, dando lugar a procesos físicos y biológicos de pequeña escala que tienen una gran influencia en la distribución de sedimentos, la agregación de plancton y la distribución y densidad de organismos. De ahí la importancia de conocer las corrientes y remolinos que se generan en aguas someras al producirse ciclo diario de suba y baja de las mareas.

El golfo San Jorge es uno de los sectores más productivos y con mayor biodiversidad del Mar Argentino, donde se llevan a cabo actividades económicas en expansión centradas en los recursos naturales, principalmente pesqueros y petroleros. En particular, el sector norte entre Cabo Dos Bahías e Isla Quintano, muestra rasgos distintivos al estar conformado por más de 150 km de costas recortadas con numerosas puntas, bahías y caletas y por contar con la presencia de más de 55 islas e islotes. Estos rasgos, sumados a la intensidad del flujo de mareas, brindan un escenario propicio para el desarrollo de diferentes procesos oceanográficos de pequeña escala. Es en este sector donde mayoritariamente se concentran importantes recursos para la pesca industrial, artesanal y recreativa, se extienden praderas de macroalgas de importancia económica, y se localizan asentamientos reproductivos de aves y mamíferos marinos de relevancia para el desarrollo turístico.

El trabajo estuvo enmarcado en un proyecto del Centro para el Estudio de Sistemas Marinos (Cesimar, Cenpat-Conicet) y un Doctorado en Matemática de la Facultad de Matemática, Astronomía, Física y Computación (Famaf, UNC) y fue publicado en la revista «Computational and Applied Mathematics».