TV

Nuevos métodos matemáticos permiten adaptarse a problemas concretos

  • Escrito por  Ana González
  • Publicado en Ciencia
El matemático ruso Yurii Nesterov, experto internacional en optimización convexa, ha desarrollado métodos matemáticos que "se adaptan mejor a problemas concretos", afirma en una entrevista con Efe. EFE/Cabalar El matemático ruso Yurii Nesterov, experto internacional en optimización convexa, ha desarrollado métodos matemáticos que "se adaptan mejor a problemas concretos", afirma en una entrevista con Efe. EFE/Cabalar

El matemático ruso Yurii Nesterov, experto internacional en optimización convexa, ha desarrollado métodos matemáticos que "se adaptan mejor a problemas concretos", afirma en una entrevista con Efe, pues antes se diseñaban sistemas generales para aplicar a diferentes problemas pero ahora la complejidad del Big Data requiere de sus ajustes matemáticos.

Yurii Nesterov es profesor en el Centro de Investigación de Operaciones y Econometría (CORE) en la Universidad Católica de Lovaina (UCL), en Bélgica, y sus intereses de investigación están relacionados con problemas de complejidad y métodos eficientes para resolver diversos problemas de optimización.

El matemático ha ofrecido este miércoles una conferencia magistral en el Congreso Europeo de Procesamiento de Señal Eusipco en A Coruña, pues sus descubrimientos, explica, resultan de gran interés para ingenieros en aplicaciones de telecomunicaciones como "el reconocimiento de voz, el procesado de imágenes" y los cálculos que pueden llevar a cabo de manera automática los ordenadores con estos algoritmos.

Autor de cinco monografías y más de cien artículos de referencia en las principales revistas de optimización, obtuvo varios premios internacionales, entre los que se encuentran el Premio Dantzig de SIAM y la Sociedad de Programación Matemática (2000), el Premio de teoría von Neumann de INFORMS (2009), el Premio de papel sobresaliente SIAM (2014) y la Medalla de oro Euro de la Asociación Europea de Investigación de Operaciones Sociedades (2016).

Su campo de estudio, la optimización convexa es una disciplina matemática que se usa en informática, y determina los valores que intervienen en un proceso o sistema para que el resultado sea el mejor posible, de modo que se consiga lo mismo con una función matemática que requiera menos, los mínimos puntos posibles.

Nesterov explica sus investigaciones sobre la adaptación de problemas con un símil práctico: es como si un individuo va a una zapatería a comprar unos zapatos, en la que tiene determinados productos para escoger pero si no encuentra los que le gustan no tiene solución a su problema, por lo que él mediría el pie y haría "un zapato específicamente adaptado a las características".

"Con las matemáticas sucede eso, antes teníamos métodos estándar y que se adaptaban muy bien a ciertos problemas pero para otros no funcionaban. Ahora partimos del problema y tratamos de buscar ese método que encuentra una buena solución", precisa el investigador.

Por las importantes aplicaciones de sus aportaciones, en 2018 ganó una beca avanzada del Consejo Europeo de Investigación dotada de dos millones de euros para investigar en cinco años, un reconocimiento que considera realmente importante porque "no es fácil conseguir una de estas ayudas en matemáticas".

Para él es todavía más complicado porque, al hallarse su campo de investigación a caballo entre las matemáticas y la ingeniería, se encuentra "muchas veces en tierra de nadie", pero esta vez ha tenido éxito porque los paneles evaluadores fueron sensibles al hecho de que sus "ideas tenían un fuerte componente de aplicación", comenta el profesor.

Para Nesterov, es un honor participar en la 27 edición de Eusipco, que se celebra en A Coruña hasta el 6 de septiembre, pues "lo más importante de los congresos es conseguir retroalimentación", y con los ingenieros participantes lo consigue ya que le responden planteándole nuevas posibilidades de utilizar sus propias ideas.

Su presencia ha generado una gran expectación entre los asistentes, pues muchos investigadores de procesamiento de señal conocen su trabajo y aplican sus procedimientos.