M4 Vida e Sostibilidade

A mellora dos métodos experimentais, xeralmente impulsada polo desenvolvemento tecnolóxico, provocou cambios significativos nas ciencias experimentais. A bioloxía, como ciencia experimental, tornouse moito máis cuantitativa e depende de modelos matemáticos e estatísticos. A aparición das novas tecnoloxías de laboratorio supón moitos retos en matemáticas. De feito, estes datos de alto rendemento en bioloxía foron, son e serán un motor importante para novas investigacións estatísticas, computacionais e matemáticas. De forma recíproca, os modelos matemáticos xogan un papel fundamental na predición de pandemias e constitúen unha ferramenta moi valiosa para guiar o deseño das políticas de saúde pública, que se utilizan para mitigar a propagación da enfermidade.

O obxectivo deste programa de investigación tamén incluirá o desenvolvemento de ferramentas de optimización para actividades cotiás como o transporte de persoas, a loxística, o abastecemento de enerxía, a produción de alimentos, etc. co obxectivo de mellorar a eficiencia dos procesos e levar a unha sociedade máis sostible.

Estes obxectivos traballaranse a través dos seguintes PI.

PI Bioestadística e Biomatemática: A escala poboacional atopámonos con retos en ecoloxía ou dinámica poboacional, e mesmo en epidemioloxía, onde o uso de modelos de sistemas de ecuacións diferenciais ten unha longa tradición. A nivel do organismo, as contribucións matemáticas e estatísticas ao campo da medicina inclúen modelos tanto deterministas como estocásticos. Ademais, o coñecemento dos xenes e das súas secuencias permite o deseño de experimentos para medir simultaneamente a súa expresión en diversas condicións de laboratorio. A partir dos datos, é posible construír modelos de interacción dos millóns de moléculas que forman cada célula.

PI Comprensión do medio ambiente e do cambio climático: A descrición e modelización de procesos ambientais e ecolóxicos, a escalas curtas e longas, require o uso de modelos matemáticos e estatísticos complexos. A simulación numérica, a modelización determinista e estocástica e a análise de datos poden deseñarse para prever e localizar riscos de eventos extremos. A previsión e localización de riscos pódense combinar con estratexias de xestión de recursos en emerxencias ambientais con importantes impactos ecolóxicos e sociais.

PI Cara á sustentabilidade: A explotación dos recursos naturais levou a determinadas especies a situacións críticas. A modelización matemática das comunidades biolóxicas e a súa dinámica, tanto estatística como determinista, proporcionará unha visión e coñecemento máis profundos sobre estas áreas, permitindo o deseño de políticas de conservación adecuadas. Por outra banda, as estimacións de reservas limitadas de combustibles fósiles e, en maior medida, o deterioro do planeta polas emisións derivadas do seu uso, fan que o desenvolvemento da tecnoloxía de extracción de enerxías renovables (solar, eólica, marítima, etc.) ser unha prioridade. Neste sentido, as técnicas de modelado matemático, simulación numérica e optimización xogan un papel importante no desenvolvemento de prototipos, así como na creación de dispositivos que os controlen e xestionan.