Desarrollo de una red neuronal para cálculos de transferencia radiativa

Abstract

El Grupo de Óptica Atmosférica de la Universidad de Valladolid actualmente enfrenta desafíos significativos en cuanto a la eficiencia de los modelos de transferencia radiativa utilizados. Estos modelos son esenciales para comprender y predecir los procesos atmosféricos, pero su ejecución actualmente requiere un tiempo considerable, lo que limita su utilidad práctica. El objetivo principal de este trabajo de fin de Máster en Ingeniería Informática es desarrollar una herramienta que permita acelerar el proceso de simulación de transferencia radiativa sin comprometer la precisión de los resultados. El enfoque se centra en encontrar alternativas más eficientes para ejecutar estos modelos. Como resultado de este esfuerzo, se ha logrado desarrollar una solución basada en redes neuronales que logra de manera excelente los resultados esperados. Esta herramienta representa un avance significativo en la capacidad del Grupo de Óptica Atmosférica para llevar a cabo investigaciones, procesamiento de datos y análisis atmosféricos de manera más eficiente y efectiva.

The Atmospheric Optics Group at the University of Valladolid currently faces significant challenges regarding the efficiency of the radiative transfer models they use. These models are essential for understanding and predicting atmospheric processes, but their execution currently requires a considerable amount of time, limiting their practical utility. The main objective of this Master’s thesis in Computer Engineering is to develop a tool that allows for the acceleration of the radiative transfer simulation process without compromising the accuracy of the results. The focus is on finding more efficient alternatives for running these models. As a result of this effort, a solution based on neural networks has been successfully developed, achieving the expected results optimally. This tool represents a significant advancement in the Atmospheric Optics Group’s ability to conduct atmospheric research and analysis more efficiently and effectively.