Investigación I+D

IA y MBSE para diseñar hardware

Un framework que combina IA y MBSE para que makers y pequeños fabricantes lleven una idea contada en lenguaje natural hasta un prototipo en FPGA y SoC, con requisitos y arquitectura trazados en el modelo.

Es la base metodológica de QvIC Labs y del ciclo idea, modelo, diseño, simulación, devkit, fabricación, integración y producción.

1. IEEE LAEDC · 2025 · Best PaperAI-Driven Digital Design Prototyping with MBSE for Small-Scale Makers

Semiconductores ciberresilientes con SysML v2

Una propuesta para usar MBSE y SysML v2 como columna vertebral de arquitecturas de semiconductores ciberresilientes, con los requisitos de seguridad trazados desde la especificación.

1. IEEE LAEDC · 2025Integrate MBSE and SysML 2.0 for Next-Generation Cyber-Resilient Semiconductor Architectures

Educación en ingeniería y STEM

Laboratorios de sistemas embebidos y de mecatrónica diseñados con MBSE para adaptarse a la industria, documentación de proyectos de grado con la industria apoyada en MBSE, y formación en automatización para la industria de semiconductores basada en neurociencia cognitiva.

Esta línea viene de años de voluntariado en IEEE: lideré EDS-ETC, el programa de educación STEM de la Electron Devices Society que lleva la ingeniería a colegios y docentes.

1. ASEE Annual Conference · 2026Streamlining Industry-Sponsored Capstone Documentation with MBSE: Enabling Architecture Trade Studies and Early System Level Simulation
2. ASEE Annual Conference · 2024Agile Model-Based Systems Engineering Framework to Design a Laboratory Course—Case Study: An Embedded Systems Laboratory Course
3. ASEE Annual Conference · 2024Model-Based System Engineering Applied to Designing Engineering Labs to Dynamically Adapt to Industry Trends - Case in Point: The Mechatronics, Robotics and Control Lab
4. IEEE LAEDC · 2023Accelerating Engineering Education and Workforce Development in Automation & Control for the Semiconductor Industry Based on Cognitive Neuroscience

Electrónica para el espacio

Mi línea nueva: electrónica resiliente para el espacio, análisis de datos en hardware remoto para estimar la composición de asteroides y autonomía en FPGA para dispositivos en la Luna y Marte.

El punto de partida es un clasificador CNN de taxonomía de asteroides entrenado con espectros SMASS II, con 96 % de exactitud en prueba a partir de imágenes de 56×56 píxeles, una huella pequeña pensada para hardware con recursos limitados.

Patentes

Tres patentes que integran IA, educación y agroindustria: una ya concedida y dos en trámite.