GAAIA Lab
Laboratorio de Computación Científica e Inteligencia Artificial GeoAgroAmbiental
Geo-Agro-Ambiental Artificial Intelligence & Analytics Laboratory
Enfoques de Modelación Científica
En GAAIA Lab utilizamos tres paradigmas complementarios para abordar la complejidad de los sistemas geoagroambientales: la predicción determinística basada en leyes físicas, los métodos estocásticos que capturan la incertidumbre, y la inteligencia artificial que aprende patrones de grandes volúmenes de datos.
Modelación Estocástica
Sistemas con incertidumbre y variabilidad aleatoria
La modelación estocástica reconoce que muchos fenómenos naturales contienen elementos de aleatoriedad que no pueden ser completamente predichos. Este enfoque utiliza probabilidades y distribuciones estadísticas para capturar la incertidumbre inherente en los sistemas geoagroambientales.
- Modelos probabilísticos de clima y precipitación
- Simulación Monte Carlo para análisis de riesgo
- Procesos estocásticos en dinámica de poblaciones
- Cadenas de Markov para transiciones de uso del suelo
- Análisis de series temporales con componentes aleatorios
- Métodos Bayesianos para inferencia con datos limitados
Modelación Determinística
Sistemas gobernados por leyes físicas y ecuaciones precisas
La modelación determinística asume que el comportamiento del sistema puede ser completamente predicho si se conocen las condiciones iniciales y las leyes que lo gobiernan. Este enfoque es fundamental para procesos físicos, químicos y biológicos bien establecidos.
- Ecuaciones diferenciales para flujo de agua en suelos
- Modelos de balance energético y radiación
- Simulación de crecimiento de cultivos (DSSAT, APSIM)
- Modelación hidrodinámica de cuencas
- Ecuaciones de transporte de nutrientes
- Dinámica de sistemas para ciclos biogeoquímicos
Inteligencia Artificial & Machine Learning
Aprendizaje automático de patrones complejos en grandes datos
La inteligencia artificial permite descubrir relaciones no lineales y patrones ocultos en grandes volúmenes de datos geoagroambientales. A través de algoritmos de aprendizaje automático y deep learning, construimos modelos predictivos que se adaptan y mejoran con la experiencia.
- Redes neuronales para clasificación de imágenes satelitales
- Random Forest y XGBoost para predicción de rendimientos
- Deep Learning para series temporales ambientales
- Computer Vision para monitoreo de cultivos con drones
- Natural Language Processing para análisis de documentos técnicos
- Reinforcement Learning para optimización de recursos hídricos
- Modelos híbridos: Física-informada + IA (PINN)
Evolución de GAAIA Lab
Nuestro camino desde los primeros cálculos hasta la infraestructura de alto rendimiento
2010
Origen: Investigación GHIDA
CENIGAA nace como spin-off del grupo de investigación GHIDA de la Universidad Surcolombiana. Los primeros modelos se ejecutaban en computadores personales de escritorio con capacidad limitada.
2012-2015
Primeras Estaciones de Trabajo
Adquisición de workstations especializadas para procesamiento geoespacial y modelación. Implementación de herramientas como R, MATLAB y Python para análisis estadístico avanzado.
2016-2019
Consolidación Computacional
Fortalecimiento de la infraestructura con servidores dedicados y sistemas de almacenamiento. Inicio del procesamiento paralelo y desarrollo de pipelines automatizados para análisis de big data ambiental.
2020-2023
Era del Machine Learning
Integración de técnicas de inteligencia artificial y aprendizaje automático. Implementación de modelos de deep learning para clasificación de imágenes satelitales y predicción de variables ambientales.
2024
Nace el Clúster EXCELSIOR
Inauguración del clúster de computación de alto rendimiento EXCELSIOR, marcando el inicio de una nueva etapa en capacidad de procesamiento y modelación a gran escala.
Aliados y Sponsors
El desarrollo de GAAIA Lab ha sido posible gracias al apoyo de entidades que creen en la ciencia y la innovación
Universidad Surcolombiana
Institución matriz que impulsó los primeros desarrollos de investigación en el grupo GHIDA
MinCiencias
Financiamiento de proyectos de investigación aplicada y desarrollo tecnológico
MADR - Ministerio de Agricultura
Apoyo en proyectos de modelación agrícola y sistemas de información territorial
Gobernación del Huila
Financiamiento de infraestructura y proyectos de impacto regional
Cooperación Internacional
Alianzas con instituciones de investigación de Europa y América
Sector Privado
Empresas del sector agroindustrial y ambiental que financian I+D+i aplicada
Clúster de Computación EXCELSIOR
"Ever Upward" - Siempre Hacia Arriba
Origen del Nombre
El nombre EXCELSIOR proviene del latín y significa "siempre hacia arriba" o "cada vez más alto". Es una palabra que encapsula la filosofía de mejora continua y búsqueda de la excelencia que caracteriza a CENIGAA.
El término fue popularizado por el poeta estadounidense Henry Wadsworth Longfellow en su poema "Excelsior" (1841), donde representa la búsqueda incansable de metas superiores a pesar de los obstáculos.
Bautizado por
El nombre EXCELSIOR fue propuesto por Dr. Jorge Iván Chávarro Díaz, fundador y director científico de CENIGAA, quien consideró que esta palabra representa perfectamente la misión del laboratorio: alcanzar cada vez mayores capacidades computacionales para resolver problemas científicos cada vez más complejos.
La inspiración vino del lema del Estado de Nueva York y su asociación con la innovación y el progreso tecnológico de instituciones como Columbia University y Cornell University.
Filosofía
EXCELSIOR no es solo un clúster de computación, es un símbolo del compromiso de CENIGAA con:
- Superación continua de límites computacionales
- Democratización del acceso a recursos de cómputo científico
- Formación de nuevas generaciones en HPC
- Solución de desafíos ambientales con ciencia de datos
Especificaciones Técnicas
Procesadores
48 Cores
RAM
256 GB
Almacenamiento
50 TB
GPUs
4x NVIDIA A100
Rendimiento
10 TFlops
Nodos
12 Nodos