Modelos Ligeros de IA/ML

El despliegue de inteligencia artificial en entornos con recursos computacionales limitados —bordes de red, sistemas embebidos, hardware aeroespacial— exige modelos que sean eficientes sin sacrificar precisión. Los modelos ligeros (TinyML, model pruning, quantization, knowledge distillation) permiten llevar capacidades de inferencia a microcontroladores, FPGAs y procesadores de baja potencia.

Investigamos arquitecturas compactas para clasificación, detección de objetos y procesamiento de señales adaptadas a plataformas UAS y sistemas de sensores distribuidos donde el peso, el consumo energético y la latencia son restricciones críticas. Exploramos también enfoques cuánticos-clásicos híbridos como alternativa de vanguardia para ciertos problemas de clasificación.