<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-05-05T20:55:17Z</responseDate><request verb="GetRecord" identifier="oai:uvadoc.uva.es:10324/77811" metadataPrefix="ese">https://uvadoc.uva.es/oai/request</request><GetRecord><record><header><identifier>oai:uvadoc.uva.es:10324/77811</identifier><datestamp>2025-09-17T10:27:32Z</datestamp><setSpec>com_10324_38</setSpec><setSpec>col_10324_852</setSpec></header><metadata><europeana:record xmlns:europeana="http://www.europeana.eu/schemas/ese/" xmlns:confman="org.dspace.core.ConfigurationManager" xmlns:doc="http://www.lyncode.com/xoai" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/" xsi:schemaLocation="http://www.europeana.eu/schemas/ese/ http://www.europeana.eu/schemas/ese/ESE-V3.4.xsd">
<dc:title>Optimización de materiales para el almacenamiento de hidrógeno mediante modelos de aprendizaje automático</dc:title>
<dc:creator>Villalaín Moradillo, Adrián</dc:creator>
<dc:contributor>Hernando Gallego, Francisco</dc:contributor>
<dc:contributor>Universidad de Valladolid. Facultad de Ciencias</dc:contributor>
<dc:subject>Hidrógeno</dc:subject>
<dc:subject>MOFs</dc:subject>
<dc:subject>Aprendizaje automático</dc:subject>
<dc:description>El hidrogeno es un vector energético prometedor para una transición hacia fuentes sostenibles, pero su almacenamiento eficiente sigue siendo un desafío. Este trabajo aplica tecnicas de aprendizaje automatico para modelar y predecir la capacidad de almacenamiento de hidrógeno en materiales porosos tipo MOFs (Metal-Organic Frameworks), a partir de propiedades como densidad, porosidad y area superficial. Se emplean modelos de regresión como Ridge, LASSO y Random Forest, y se evalua su desempeño mediante validación cruzada. Además, se exploran estrategias para la generacion de nuevos candidatos mediante interpolación y simulación. Los resultados evidencian la capacidad de los modelos para identificar materiales con propiedades prometedoras y facilitar la busqueda de compuestos óptimos para aplicaciones energéticas.</dc:description>
<dc:description>Hydrogen is a promising energy vector in the transition to sustainable sources, although&#xd;
its efficient storage remains a challenge. This work applies machine learning techniques to&#xd;
model and predict the hydrogen storage capacity of porous materials known as MOFs (MetalOrganic Frameworks), using features such as density, porosity, and surface area. Regression&#xd;
models including Ridge, LASSO, and Random Forest are used and evaluated through crossvalidation. Additionally, strategies for generating new candidate materials through interpolation&#xd;
and simulation are explored. The results highlight the models’ ability to identify promising&#xd;
materials and support the discovery of optimal compounds for energy applications.</dc:description>
<dc:description>Departamento de Estadística e Investigación Operativa</dc:description>
<dc:description>Grado en Estadística</dc:description>
<dc:date>2025-09-16T15:24:22Z</dc:date>
<dc:date>2025-09-16T15:24:22Z</dc:date>
<dc:date>2025</dc:date>
<dc:type>info:eu-repo/semantics/bachelorThesis</dc:type>
<dc:identifier>https://uvadoc.uva.es/handle/10324/77811</dc:identifier>
<dc:language>spa</dc:language>
<dc:rights>Attribution-NonCommercial-NoDerivatives 4.0 Internacional</dc:rights>
<dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
<dc:rights>http://creativecommons.org/licenses/by-nc-nd/4.0/</dc:rights>
<dc:format>application/pdf</dc:format>
<europeana:object>https://uvadoc.uva.es/bitstream/10324/77811/4/TFG-7469.pdf.jpg</europeana:object>
<europeana:provider>Hispana</europeana:provider>
<europeana:type>TEXT</europeana:type>
<europeana:rights>http://creativecommons.org/licenses/by-nc-nd/4.0/</europeana:rights>
<europeana:dataProvider>UVaDOC. Repositorio Documental de la Universidad de Valladolid</europeana:dataProvider>
<europeana:isShownAt>https://uvadoc.uva.es/handle/10324/77811</europeana:isShownAt>
</europeana:record></metadata></record></GetRecord></OAI-PMH>