Título del Proyecto

Comparación de la precisión predictiva del costo económico de daños por tornados usando redes neuronales clásicas y redes híbridas cuántico-clásicas.

Equipo de Investigación

Información de Contácto

Phys. Jorge O. Cedeño & Fin. Omar Alsaid

Correo institucional

Resumen

Los tornados se encuentran entre los desastres naturales más frecuentes y devastadores a nivel mundial. Si bien los avances en la predicción meteorológica han permitido desarrollar tecnologías cada vez más precisas para anticipar estos eventos, persisten dificultades significativas en la estimación adecuada de los daños económicos asociados, lo que complica la planificación y distribución de recursos en situaciones de emergencia. En este proyecto de investigación, se desarrolla una red neuronal híbrida orientada a la predicción del costo económico de los daños provocados por tornados. Para ello, se implementó una red neuronal multi-salida utilizando TensorFlow y Keras, capaz de estimar pérdidas económicas a partir de características específicas de los tornados. Adicionalmente, se incorporó una capa cuántica mediante la herramienta PennyLane, con el objetivo de evaluar mejoras en la precisión del modelo. Los resultados preliminares obtenidos muestran un mejor rendimiento del modelo híbrido (clásico-cuántico) en comparación con las arquitecturas tradicionales, evidenciando el potencial de la computación cuántica como herramienta complementaria en problemas complejos de predicción climática y evaluación de impacto.

jorge.cedeno@czetesis.com

omar.alsaid@czetesis.com

Correo alternativo

jorgebectruc18@hotmail.com

omar-alsaid-sulaiman@outlook.com