LADICIM consolida los avances del proyecto INTELEST en inteligencia artificial para la energía sostenible y el transporte
El Laboratorio de la Universidad de Cantabria avanza en el desarrollo de modelos predictivos para la seguridad nuclear, la eólica marina y el mantenimiento de las infraestructuras de altas prestaciones ferroviarias, transfiriendo conocimiento de alto impacto a la industria cántabra
La Inteligencia Artificial (IA) se erige como una herramienta eficaz y sustancial para afrontar el desafío tecnológico que supone la transición hacia una economía descarbonizada y sostenible. Esta tecnología es esencial para dar apoyo en la optimización de procesos, en el diseño de nuevos materiales y salvaguardar infraestructuras críticas. En este contexto de innovación y sostenibilidad, el Laboratorio de Ciencia e Ingeniería de Materiales (LADICIM) de la Universidad de Cantabria ha impulsado el proyecto INTELEST, coordinado por su fundador, el profesor y catedrático emérito, Federico Gutiérrez-Solana. Su objetivo es aplicar la IA para lograr un significativo avance en la innovación y la transferencia de conocimiento en sectores estratégicos para la sociedad, y en concreto para Cantabria.
Financiado por la Consejería de Industria del Gobierno de Cantabria a través del programa FEDER 2021-2027 (línea TCNIC), INTELEST ha demostrado ser un motor de transferencia de conocimiento. Tras completar con éxito su primera línea de investigación, centrada en la optimización del consumo energético en la producción de acero en colaboración con Global Steel Wire (GSW), el proyecto avanza con paso firme en sus otras tres líneas de investigación, centradas en la energía nuclear, las renovables marinas y el transporte ferroviario. Los trabajos desarrollados durante 2025 han supuesto un salto cualitativo en la hibridación de la simulación numérica, la experimentación avanzada y el machine learning.
Seguridad Nuclear: El GPS del comportamiento de materiales
Una de las líneas de trabajo más complejas del proyecto, coordinada por el catedrático Diego Ferreño, se centra en la predicción de la fragilización de los aceros en las vasijas de los reactores nucleares. Garantizar la integridad de estos componentes es crucial para la operación a largo plazo y la extensión de vida de las centrales nucleares.
Los modelos analíticos tradicionales, aunque robustos, tienen limitaciones para predecir el comportamiento de materiales bajo décadas de irradiación neutrónica. «Los modelos tradicionales se quedan cortos. Necesitábamos una forma de agrupar materiales no por ‘quiénes son’ o de qué están hechos exactamente, sino por ‘cómo se comportan’ bajo condiciones de irradiación», explica el profesor Ferreño. «Y eso es exactamente lo que hemos conseguido».
El gran avance logrado en 2025 es la consolidación e implementación del modelo KNT (k-nearest travellers). Este enfoque innovador se aleja de los algoritmos de machine learning convencionales, que agrupan datos por variables de entrada (composición química), y propone una agregación dinámica basada en el comportamiento de fragilización neutrónica del material, si bien este depende tanto de la composición, como del procesado, como de la microestructura resultante del material, así como de las variables propias de la funcionalidad operativa.
Para ello, el equipo de LADICIM utiliza la base de datos PLOTTER, una de las más completas del mundo y a la que el laboratorio tiene acceso gracias a sus colaboraciones internacionales con entidades como ASTM, EPRI y el CIEMAT. El parámetro clave del modelo KNT es el Área Bajo la Curva (AUC) de la curva de tendencia de fragilización (ETC). «La hipótesis subyacente es que materiales con valores de AUC similares presentan un comportamiento análogo, independientemente de que su composición exacta varíe. Es una especie de huella digital del comportamiento», precisa el Dr. Ferreño.
El equipo ha identificado ya 821 «familias» de materiales en la base de datos. El modelo KNT identifica los «viajeros cercanos» (materiales con AUC similares) para enriquecer el estudio de una familia objetivo, realizando un ajuste conjunto.
La hibridación de tecnologías es total. El proyecto está integrando algoritmos de machine learning para sustituir los componentes analíticos por aproximaciones basadas en datos, por ejemplo, utilizando ML para predecir la curva ETC en lugar de usar la norma ASTM E900, lo que ha mejorado las métricas de regresión.
Paralelamente, se ha iniciado una línea exploratoria con Redes Neuronales Físicamente Informadas (PINNs). Esta técnica incorpora el conocimiento físico (la propia norma ASTM E900) directamente en la función de pérdida de la red neuronal, restringiendo su espacio de soluciones para que sean físicamente coherentes. Como apoyo a la validación, se ha desarrollado una aplicación interactiva de visualización que permite explorar los resultados del modelo KNT de forma intuitiva, facilitando la transferencia de conocimiento, tanto a la comunidad científica como a las empresas del sector nuclear.
Hormigón sostenible en entornos marinos
Otra línea de investigación de INTELEST aborda un nuevo pilar de la transición energética: la eólica marina flotante. Las estructuras de acero tradicionales enfrentan retos de corrosión, costes y mantenimiento en el agresivo ambiente marino. La alternativa que explora LADICIM, en colaboración con la empresa de prefabricados Rocacero, es el hormigón de altas prestaciones y baja huella de carbono.
El trabajo de este año se ha centrado en el CEM III, un tipo de cemento siderúrgico que destaca por sus propiedades sostenibles, ya que presenta una huella de carbono significativamente menor y un calor de hidratación más bajo, lo que reduce el riesgo de fisuración en grandes estructuras. El primer gran hito ha sido demostrar su escalabilidad, ya que se ha ejecutado con éxito una amasada industrial en las instalaciones de Rocacero, mostrando una alta correlación entre las propiedades de laboratorio y las industriales. «Ser capaces de demostrar que podemos fabricarlo a esta escala, en una planta real, con los mismos resultados que en el laboratorio es la validación que necesita la industria para su aplicación, propiciando el proceso de transferencia», subraya el catedrático Isidro Carrascal, líder de esta línea de trabajo.
El segundo pilar del trabajo desarrollado en 2025 ha sido la caracterización avanzada de la durabilidad. Para ello, se han desplegado 20 probetas de distintas geometrías en las instalaciones marinas de El Bocal (Cantabria), gestionadas por el Centro Tecnológico CTC en colaboración con el Instituto Español de Oceanografía. Estas probetas están sometidas al oleaje a diferentes cotas, evaluando el efecto de la inmersión parcial y la zona de salpicadura. En paralelo, se han realizado ensayos acelerados en cámara de niebla salina para correlacionar la degradación natural con la de laboratorio y poder establecer modelos de envejecimiento en un tiempo adecuado.
En el ámbito de la IA, el equipo ha desarrollado un modelo local de comportamiento basado en un Diseño de Experimentos. Introduciendo variables como la relación agua/cemento, este modelo estadístico avanzado predice con alta precisión parámetros clave como la resistencia a compresión, la consistencia en estado fresco, la absorción de agua o el coeficiente de difusión de cloruros. «Es, en la práctica, un gemelo digital del diseño de la mezcla, que optimiza y reduce drásticamente el proceso experimental», apunta el profesor Carrascal.
Finalmente, se ha desarrollado y validado un modelo térmico del hormigón mediante el Método de los Elementos Finitos. Este modelo, calibrado con bloques instrumentados en laboratorio, es esencial para prevenir el deterioro por fisuración debida al comportamiento térmico. Los resultados confirman una diferencia significativa de calor de hidratación entre el CEM I y el CEM III, siendo este último notablemente inferior, lo que reduce el riesgo de tensiones internas.
El gemelo digital de la vía férrea
La cuarta línea de investigación de INTELEST se enfoca en el transporte, concretamente en el mantenimiento predictivo de la infraestructura ferroviaria de alta velocidad. El objetivo es pasar de un mantenimiento reactivo o preventivo a uno predictivo, optimizando costes y aumentando la seguridad.
El trabajo de esta anualidad, coordinado por el catedrático y actual director de LADICIM José A. Casado, ha consolidado un marco metodológico integral que combina experimentación en laboratorio, simulación numérica avanzada (FEM) e Inteligencia Artificial (Machine Learning). El foco se ha puesto en las placas de asiento, componentes elastoméricos de la sujeción ferroviaria, en las sujeciones de vía y en el conjunto de la infraestructura viaria.
«Estamos combinando lo mejor de dos mundos: el rigor físico de la simulación por elementos finitos y la eficiencia estadística del machine learning», apunta el profesor Casado. «El FEM nos da datos de alta fidelidad, y el ML aprende a ‘leer’ esos datos por nosotros, dándonos predicciones rápidas sobre el estado de la vía».
La metodología se ha estructurado en cinco bloques complementarios. Primero, se realizaron ensayos de laboratorio sobre placas deterioradas por distintos mecanismos, como fatiga mecánica, degradación por hidrocarburos y exposición a luz ultravioleta, para entender cómo envejecen. Segundo, con esos datos, se desarrollaron modelos predictivos de ML capaces de estimar la rigidez dinámica y la pérdida de prestaciones de las placas.
En paralelo, se crearon dos tipos de modelos numéricos: un modelo FEM de la sujeción tridimensional y muy detallado, que incluye todas las no linealidades de los clips y tornillería; y un modelo FEM de un tramo de vía más simplificado, diseñado para ejecuciones repetidas y análisis de sensibilidad.
La innovación clave reside en la combinación de FEM y ML. El modelo FEM detallado se utiliza para generar una gran base de datos de alta calidad correspondientes a miles de escenarios de carga, geometría y material. Posteriormente, los algoritmos de ML se entrenan con esta base de datos virtual para identificar patrones y relaciones. «De esta forma», concluye el Dr. Casado, «el sistema combina el rigor físico del comportamiento real con la eficiencia de las metodologías analíticas y el aprendizaje estadístico, permitiendo predicciones rápidas y fiables».
La transferibilidad de estos resultados es inmediata, ofreciendo a administradores de infraestructuras, como ADIF, y a organizaciones del sector, como la asociación MAFEX, una herramienta práctica para la identificación temprana de fallos, la optimización de la sustitución de componentes y la reducción de costes. Es un paso decisivo hacia la creación de un gemelo digital de la vía.
Una trayectoria de transferencia consolidada
Los avances de INTELEST se fundamentan en la estrategia de transferencia de conocimiento que LADICIM ha cultivado durante más de cuatro décadas de investigación. Solo en los últimos cinco años, los investigadores del laboratorio han publicado más de 100 artículos indexados en el Journal Citation Reports (JCR) relacionados con estas líneas de trabajo.
Además, la integración de la Inteligencia Artificial en todas sus líneas de investigación, potenciada por proyectos como INTELEST, refuerza la capacidad del laboratorio para dar servicio a la industria y generar un impacto positivo.
El proyecto INTELEST se consolida por tanto como una iniciativa estratégica, demostrando cómo la aplicación de tecnologías de vanguardia, junto al conocimiento disruptivo, puede optimizar procesos industriales, mejorar la seguridad de infraestructuras críticas y desarrollar materiales más sostenibles. Los avances en seguridad nuclear, eólica marina y mantenimiento ferroviario no solo posicionan a LADICIM como un referente en la hibridación de simulación e IA, sino que contribuyen directamente a posibilitar la mejora de la competitividad del tejido industrial de Cantabria y a la lucha global contra el cambio climático.
Esta entidad ha recibido una ayuda cofinanciada por el Fondo Europeo de Desarrollo Regional a través del Programa Operativo FEDER 2021-2027 de Cantabria por medio de la línea de subvenciones ‘Ayudas a proyectos de investigación con alto potencial industrial de agentes tecnológicos de excelencia para la competitividad industrial TCNIC’.
Más Noticias
La Universidad de Cantabria premia a LADICIM su propuesta de hormigones sostenibles para la industria nuclear
El proyecto GreenCosmos, reconocido en la convocatoria UC Solutions 2025, plantea una innovadora solución para las infraestructuras energéticas del futuro, combinando seguridad y economía circular
LADICIM y Viuda de Sainz refuerzan su colaboración para el desarrollo de hormigones reciclados
El Laboratorio de la Universidad de Cantabria y la constructora vasca trabajan conjuntamente para consolidar el uso de áridos reciclados en obra civil, en línea
LADICIM participa en el desarrollo de una nueva generación de plataformas flotantes de hormigón para la eólica offshore
El proyecto ISOBARA, en colaboración con SEAPLACE e IHCantabria, diseña soluciones industrializables para reducir costes en parques eólicos flotantes La transición energética hacia una economía
