Silvina Caíno-Lores (Montevideo, 1991) es una de las ganadoras de la IV edición de los Premios de Informática, en la modalidad jóvenes, concedidos por la Sociedad Científica Informática de España (SCIE) y la Fundación BBVA. El galardón reconoce su trabajo por contribuir a la convergencia entre el análisis de grandes volúmenes de datos (big data) y la computación de altas prestaciones.
Caíno-Lores, de origen uruguayo, realizó todos sus estudios en España antes de dar el salto a Estados Unidos, donde es investigadora postdoctoral asociada en el departamento de Ingeniería Eléctrica e Informática de la Universidad de Tennessee-Knoxville.
La ingeniera confiesa su alegría al ver que, a sus 29 años, su trabajo es reconocido. En su experiencia, “hay una cierta jerarquía que puede ser un poco hostil, no tanto por el hecho de ser mujer sino por el hecho de ser joven”.
Caíno-Lores estudió un grado en ingeniería informática, así como un máster y un doctorado en ciencia y tecnología informática, en la Universidad Carlos III de Madrid.
A la pregunta de cómo evitar los sesgos en los datos, sobre lo que se ha hablado mucho recientemente a raíz de las protestas contra el racismo en todo el mundo, la experta opina que “es responsabilidad del científico validar los resultados y contrastarlos con la realidad y cuestionar su validez siempre”. “En la ciencia, nuestro primer deber es aplicar el pensamiento crítico a nuestro trabajo”, enfatiza.
Según la joven investigadora, cuando en un conjunto de datos aparece un sesgo, lo que este refleja es que el conjunto está mal diseñado o que hay un patrón subyacente. “Cada vez que nosotros trabajamos con un conjunto de datos, lo primero que tenemos que hacer es caracterizarlos, inspeccionar qué patrones se ven, porque estos se van a ver reflejados en el algoritmo o en la técnica de aprendizaje automático”, detalla.
Los proyectos de Caíno-Lores están orientados al análisis in situ de simulaciones, en hacer coincidir el análisis de datos con la simulación en sí misma, para acelerar dichos procesos lo máximo posible. Es decir, su campo de trabajo conjuga, por un lado, simulaciones o experimentos que necesitan máquinas con un gran rendimiento para acelerar lo máximo posible el cómputo y, por otro, grandes volúmenes de datos que hay que procesar rápidamente.
En su tesis desarrolló una arquitectura que permite unir ambas plataformas de la forma más productiva posible. “A través de una interfaz común, vamos haciendo un puzzle con lo que necesitamos de ambas”, añade.
“Cada vez hay mayor necesidad de interrelacionarlas y quedarse con lo mejor de cada una, porque hay nuevas áreas de investigación que empiezan a mostrar requisitos de ambos ecosistemas”, explica la investigadora.
Este campo de estudio trata de “aportar soluciones a nivel de infraestructura, de plataformas, de aplicaciones para ámbitos científicos que no encajan solamente en una de las dos ramas, sino que tienen necesidades un poco híbridas”, precisa Caíno-Lores. Es un ámbito de estudio reciente, de entre cinco y diez años, agrega.
Caíno-Lores se dedica ahora al ámbito de la biología, a las simulaciones de biodinámica molecular. Es decir, estudia “cómo los átomos y las moléculas van cambiando a lo largo del tiempo y conforme a su propia geometría”, explica. Las máquinas con las que trabaja son muy costosas, por ello, este estudio híbrido le permite hacer un uso eficiente de ellas.
Otro ejemplo de aplicación son los vehículos autónomos. “Son un sistema muy complejo en el que hay que simular muchos aspectos del coche y del entorno, que luego hay que analizar para obtener resultados muy rápidos”, indica la investigadora.
Otro más el de las smart cities. “Hay un interés para patrones de tráfico, de monitorización, de vigilancia, de reconocimiento por imagen”, detalla.
