M4 Ciencia e Coñecemento

A xeración de coñecemento matemático é esencial para o desenvolvemento da Ciencia no seu conxunto. Os avances motivados pola curiosidade son a semente de futuras aplicacións a outras ciencias, que poden acabar configurando o progreso da nosa sociedade e o desenvolvemento de tecnoloxías innovadoras. A área de investigación e transferencia de Ciencia e Coñecemento M4 engloba o desenvolvemento de novas ideas, ferramentas e resultados destinados a ir máis aló do estado da arte do coñecemento matemático, especialmente en aspectos de gran interese dentro das Matemáticas ou en relación con outras ciencias.

Recollemos en tres PI diferentes liñas de investigación con este obxectivo xeral.

PI Dinámica e fenómenos complexos: Como a natureza dos fenómenos complexos é diversa, a comprensión e explicación de diferentes procesos conduce a diversos obxectos matemáticos: sistemas dinámicos discretos, ecuacións diferenciais ordinarias, en derivadas parciais ou estocásticas, funcións especiais, polinomios ortogonais, foliacións, ecuacións de evolución xeométrica, redes, teoría de xogos, modelos de investigación operativa, modelos de regresión, etc. O foco principal é o deseño de modelos matemáticos ben definidos e robustos que capten a esencia dos fenómenos de interese.

PI Estruturas naturais: Aborda o desenvolvemento de ideas e resultados fundamentais motivados de modo natural polo estudo matemático do espazo e da forma, os símbolos matemáticos e as súas regras e a relación entre eles.

PI Análise de datos matemáticos:  A dispoñibilidade xeneralizada de potencia de cálculo que permite simulacións in silico utilizando modelos matemáticos, así como a explosión na cantidade de datos que se están a recoller ou xerar (dispoñible en gran medida a través de Internet), é e frecuentemente tal que só poderá ser avaliada mediante técnicas matemáticas e estatísticas, que serán imprescindibles, non só para reproducir modelos precisos, senón tamén para desenvolver modelos baseados en datos de fenómenos de gran complexidade, así como para o uso de técnicas de asimilación de datos aplicadas a un número crecente de desafíos.