Repositorio Institucional UNAL

Comunidades

Revistas UNAL

Envíos recientes

Impact of the Ho3+ doping on the structural, magnetic and electrical properties of polycrystalline Y3-xHoxFe5O12 garnets
(Universidad Nacional de Colombia, 2026-10-06) Ochoa Zea, Harold Alexis; Morán Campaña, Jesús Oswaldo; Moran Campaña, Oswaldo [0000000170720343]; Advanced Oxides
Se sintetizaron cerámicas de alta calidad de Y3-xHoxFe5O12 (x = 0, 0,1, 0,5, 0,7) mediante la reacción estándar en estado sólido y se caracterizaron sistemáticamente en cuanto a sus propiedades estructurales, morfológicas, eléctricas y magnéticas. El análisis de los patrones de difracción de rayos X (XRD) y los espectros Raman mostró que la sustitución de iones Y³⁺ por iones Ho³⁺ generaba una clara distorsión de la red cristalina, que iba acompañada de la variación de la longitud del enlace Fe(a)-O-Fe(d) y del ángulo de enlace. La dependencia de la magnetización con respecto a la temperatura mostró una tendencia decreciente al doparse con Ho³⁺. La modificación de la interacción de superintercambio entre los sitios tetraédricos y octaédricos parece ser un mecanismo físico plausible detrás de este efecto. La magnetización dependiente del campo magnético, registrada a 300 y 5 K, mostró bucles de histéresis bien definidos. Los parámetros que caracterizan los bucles de histéresis, como la magnetización de saturación y la coercitividad, dependían en gran medida de la temperatura y del nivel de dopaje con Ho³⁺. Se analiza el impacto de los efectos térmicos en la magnetización de saturación en el contexto de la teoría del espín. Se argumenta que la disposición aleatoria de los momentos magnéticos y la vibración térmica pueden ser mecanismos físicamente plausibles que determinan la magnetización de saturación. Además, el efecto de superintercambio y el efecto de acoplamiento entre subredes también se consideraron mecanismos físicos relevantes que rigen la magnetización de saturación de las muestras estudiadas. Por otra parte, es probable que mecanismos como el acoplamiento antiferromagnético, los mecanismos de fijación y la agregación de partículas tengan un impacto significativo en los valores de coercitividad. Las propiedades dieléctricas se estudiaron minuciosamente en el intervalo de temperaturas de 300 a 553 K y en el intervalo de frecuencias de 40 Hz a 5 MHz mediante espectroscopia de impedancia compleja. Los resultados mostraron que se producían dos procesos de relajación en los límites de grano y en los granos. La relajación parecía estar controlada por portadores de carga activados térmicamente. La sustitución de iones Y³⁺ por iones Ho³⁺ desplazó los picos asociados a los límites de grano hacia frecuencias más bajas. Aunque los espectros de impedancia compleja mostraron semicírculos deprimidos, un minucioso análisis cruzado de las representaciones de la permitividad, el módulo eléctrico y la impedancia sugirió que los procesos de relajación eran principalmente de tipo Debye. En general, los resultados obtenidos demostraron que el dopaje con elementos de tierras raras en la posición de Y³⁺ puede influir de manera significativa en el comportamiento magnético de óxidos complejos como los granates. (Texto tomado de la fuente)
Producción de bioetanol de segunda generación a partir de residuos de aserrío de madera de pino (Pinus patula)
(Universidad Nacional de Colombia, 2026-10-01) Gómez Suta, Sandy Alejandra; Zapata Zapata, Arley David; Gómez Suta, Sandy Alejandra [0001633146]; Gómez Suta, Sandy Alejandra [0009000504162255]; Zapata Zapata, Arley David [000000026557772X]; Biotecnología Industrial
Los biocombustibles de segunda generación (2G) representan una alternativa sostenible frente a los combustibles fósiles asociados a emisiones de gases de efecto invernadero. Este estudio evaluó la producción de bioetanol 2G a partir de aserrín de Pinus patula, residuo forestal abundante en plantaciones de Angostura, Antioquia. Para la producción del bioetanol se siguieron tres etapas: (1) pretratamientos, (2) hidrólisis enzimática y (3) fermentación. Se aplicaron pretratamientos alcalinos (NaOH 1–5 %), hidrotérmicos (85–121 °C), enzimáticos con lacasa (0.144–0.178 mU) y combinados, evaluando la desnaturalización de lignina mediante el método CASA. El pretratamiento combinado NaOH 5 % + lacasa 0.144 mU obtuvo la mayor liberación de lignina (hasta 5.79 %), mientras que el tratamiento hidrotérmico a 121 °C permitió la mayor accesibilidad para la etapa de hidrólisis. En la hidrólisis enzimática con celulasa (15 FPU/g), el sustrato pretratado a 121 °C generó la mayor concentración de azúcares reductores (≈ 5.1 g/L en 96 h), seguido del tratamiento combinado alcalino–enzimático. En la fermentación con Saccharomyces cerevisiae, solo la fermentación clásica con hidrolizado al 100 % produjo etanol (≈0.5 g/L), indicando que se requiere una concentración inicial mínima de azúcares para obtener conversión fermentativa. En los procesos de sacarificación y fermentación simultanea (SSF) no se detectó etanol debido a la probable presencia de inhibidores y a la incompatibilidad entre condiciones óptimas de hidrólisis y fermentación. En conclusión, Pinus patula es una biomasa viable para producir bioetanol 2G, especialmente cuando se emplean pretratamientos combinados y condiciones térmicas moderadas altas. (Texto tomado de la fuente)
Evaluación de índices espectrales de dos sensores multiespectrales UAV mediante el Índice de Similitud Estructural (ISE)
(Universidad Nacional de Colombia, 2026) Celis Torres, Mario Alejandro; Darghan Contreras, Aquiles Enrique; Celis Torres, Mario Alejandro [0002153671]; Darghan Contreras, Aquiles Enrique [0001634825]; Celis Torres, Mario Alejandro [0009000107417613]; Darghan Contreras, Aquiles Enrique [0000000157901684]
El Índice de Similitud Estructural ha sido utilizado desde principios de los años 2000 como una métrica cuantitativa para evaluar la calidad y similitud perceptual de imágenes. En este estudio se empleó para analizar la similitud entre índices espectrales generados por los sensores MicaSense RedEdge-P y DJI Mavic 3M en un cultivo de maíz en Facatativá, Cundinamarca, donde se capturaron imágenes multiespectrales para calcular once índices espectrales por cada sensor. El Índice de Absorción Modificado de Clorofila presentó la mayor similitud (0.865), seguido del Índice de Clorofila en Borde Rojo (0.796), mientras que el Índice de Vegetación de Diferencia Normalizada Verde (0.625) y el Índice de Diferencia Normalizada Rojo-Verde (0.554) mostraron la menor equivalencia. Además, mediante un análisis de clustering multiescala y redes neuronales, se identificó que el componente estructural es dominante en todos los índices, con una contribución superior al 60% y la interacción índice-escala establece patrones a diferentes escalas espaciales. (Texto tomado de la fuente)
Evaluación de la calidad superficial de cordones de soldadura SMAW mediante patrones de sonido empleando modelos de machine learning para el apoyo a los procesos de formación en el área de soldadura
(Universidad Nacional de Colombia, 2026) Barriga Castellanos, Christian Camilo; Rocha Gonzalez , Jair Eduardo; García Rodríguez, Alejandro; Barriga Castellanos, Christian Camilo [0000049022]; Barriga Castellanos, Christian Camilo [oiKnZq8AAAAJ&hl]; Rocha González, Jair Eduardo [28G_C8oAAAAJ&hl]; García Rodríguez, Alejandro [Od0edfgAAAAJ]; Barriga Castellanos, Christian Camilo [0000900388591529]; Rocha González, Jair Eduardo [0000-0003-4636-5462]; García Rodríguez, Alejandro [0000000272588857]; Sociedad, Economía y Productiva - SEPRO
Este trabajo evalúa la calidad superficial de cordones de soldadura SMAW mediante análisis de señales acústicas y modelos de machine learning, articulados bajo un ciclo PHVA para el apoyo a la formación técnica en soldadura. Se produjeron 800 cordones sobre acero ASTM A36 con electrodo E6013, bajo 12 condiciones operativas controladas. Las señales acústicas capturadas a 44.1 kHz fueron procesadas mediante transformada de Fourier de corto tiempo (STFT), generando espectrogramas redimensionados a 15x15 px para modelos clásicos y 64x64 px para una red neuronal convolucional (CNN). Se evaluaron cinco clasificadores, SVC, LR, RF, L+C, y CNN VGG simplificada, mediante validación cruzada estratificada de 10 pliegues con optimización de hiperparámetros por Optuna. El análisis estadístico confirmó que el HNR es el descriptor acústico discriminativo entre cordones aceptables y rechazados (Kruskal-Wallis p=7.09x10-4), mientras F0 no resultó discriminativo. El SVC con espectrograma 15x15 px alcanzó Accuracy 0.956 y AUC 0.987, recomendando para despliegue en dispositivos de bajo consumo. La CNN sobre 64x64 px obtuvo Accuracy 0.984, AUC 0.997 y MCC 0.968. El sistema integra un modelo de programación entero mixto (MIP) para la gestión óptima del laboratorio, un protocolo de retroalimentación correctiva de seis pasos y un clasificador acústico, conformando una herramienta de evaluación formativa objetiva, continua y de bajo costo para cualquier institución de formación en soldadura. (Texto tomado de la fuente)
Modelo de aprendizaje automático para la detección de anomalías asociadas al lavado de activos basado en el algoritmo Isolation Forest
(Universidad Nacional de Colombia, 2026) Ovalle Cavides, David Santiago; Camargo Mendoza, Jorge Eliécer
Los sistemas de monitoreo transaccional basados en reglas estáticas, ampliamente utilizados por las instituciones financieras para la prevención del lavado de activos (LA), presentan limitaciones estructurales bien documentadas entre las que se incluyen la generación de volúmenes masivos de falsos positivos (con tasas que superan el 90% de las alertas en algunos estudios de caso), poca adaptabilidad frente a la evolución de las tipologías de LA y dependencia de parametrización experta, en muchos casos subjetiva. En este contexto, el presente trabajo desarrolla un modelo de aprendizaje automático no supervisado basado en el algoritmo Isolation Forest para la detección de anomalías asociadas al lavado de activos, utilizando como base el conjunto de transacciones de depósitos en efectivo (Cash Deposit) proveniente de la base de datos sintética SAML-D (Synthetic Anti-Money Laundering Dataset), que comprende aproximadamente 9.5 millones de transacciones con múltiples canales de pago, monedas y tipologías transaccionales. El desarrollo del modelo se estructura en tres etapas principales. En primer lugar, se construye un espacio de características de 46 variables numéricas organizadas en seis bloques temáticos (contexto geopolítico y monetario, comportamiento temporal, indicadores de estructuración (smurfing), estadísticas de ventana deslizante, puntuación de anomalía por cuenta (z-score) y métricas de análisis de red (grafo dirigido y ponderado)) diseñado para amplificar las diferencias comportamentales entre transacciones legítimas y sospechosas. En segundo lugar, se implementa el modelo Isolation Forest con 500 árboles de aislamiento, submuestreo de atributos al 80% y muestreo bootstrap, acompañadode una evaluación sistemática de cuatro criterios de selección de umbral de clasificación. En tercer lugar, se evalúa el desempeño del modelo mediante métricas apropiadas para problemas de extremo desbalance de clases, incluyendo una validación temporal out-of-time que puede ser muy útil en entornos de producción. Los resultados del modelo sobre transacciones de tipo Cash Deposit muestran un AUC-ROC de 0.8864 y un AUPRC de 0.2653, lo que representa una mejora de 42.5 veces sobre el clasificador aleatorio. Esta comparación contra el baseline aleatorio (cuyo AUPRC esperado es igual a la prevalencia de la clase positiva que en el caso del conjunto de datos trabajado corresponde al ω → 0,0062) no es meramente teórica debido a que, en la práctica, los sistemas de monitoreo basados en reglas estáticas operan como clasificadores de umbral fijo que no aprenden la estructura discriminativa de los datos, sino que disparan alertas cuando se satisfacen condiciones predeterminadas sin capacidad de ordenar las transacciones por su grado de sospecha. Dado que estos sistemas no producen un ranking informado de anomalía, su capacidad para concentrar verdaderos positivos en las posiciones más altas del ordenamiento es, en términos estadísticos, comparable a la de un clasificador aleatorio que opera sobre la misma tasa de prevalencia. El lift de 42.5 veces refleja, por tanto, la ganancia concreta que aporta un modelo capaz de asignar puntuaciones de anomalía con poder discriminativo real. Con el umbral derivado del criterio Fω (ε =2), el modelo alcanza un recall del 44.27% con una precision del 19.73 %, generando 3,152 alertas, superando ampliamente la efectividad típica de los sistemas basados en reglas, cuyas tasas de precision se documentan en el rango del 1% al 10 %. La validación out-of-time (entrenamiento sobre 2022, evaluación sobre 2023) implementada con un proceso de ingeniería de características anclado exclusivamente al período de entrenamiento para evitar fuga de información, evidencia una degradación del AUC-ROC del 5.26% y del AUPRC del 37.5% , manteniendo no obstante un lift de 24.9 veces sobre el baseline aleatorio. Este resultado confirma que el modelo retiene capacidad discriminativa significativa sobre datos no observados, con un nivel de degradación atribuible al cambio de patrones transaccionales entre años. (Texto tomado de la fuente)