Electroquímica de sustancias de interés en los sistemas agroalimentario y de sanidad animal. Desarrollo de biosensores electroquímicos. Aplicaciones analíticas.Electrochemistry of substances of interest in agroalimentary and animal health systems. Development of electrochemical biosensors. Analytical applications.

Se estudiarán los mecanismos de reacción electroquímica de las micotoxinas (metabolitos tóxicos generados por hongos) citrinina (CIT), patulina (PAT) y moniliformina (MON), de los antioxidantes naturales alfa, beta, gama y delta tocoferoles, de los flavonoides fisetina (FIS), morina (MOR), luteolina (LUT), rutina (RUT), buteina (BUT), naringenina (NAR) y miricetina (MIR) y de las hormonas esteroides estradiol (EDIOL), estrona (EONA) y estriol (ETRIOL). Por otra parte, se implementarán técnicas electroanalíticas para la detección y cuantificación de estos sustratos en muestras de matrices naturales que los contengan. Se realizará el diseño y caracterización de biosensores enzimáticos a partir de peroxidasas y/o fosfatasa alcalina para la determinación de la micotoxina CIT y de los flavonoides y, por otro, de inmunosensores para las micotoxinas ocratoxina A (OTA) y PAT y hormonas. Para el anclaje de enzimas y/o anticuerpos, se estudiarán las propiedades de electrodos modificados por monocapas autoensambladas, nanotubos de carbono y partículas magnéticas. Se usarán las técnicas de voltamperometría cíclica, de onda cuadrada y de redisolución con acumulación adsortiva, espectroscopías de impedancia electroquímica, electrólisis a potencial controlado, uv-vis e IR, microbalanza de cristal de cuarzo y microscopías de alta resolución (SEM, TEM, AFM). La importancia de este proyecto apunta a la obtención de nuevos datos electroquímicos de los sustratos indicados y conocimientos relacionados con la aplicación de electrodos modificados en la preparación de biosensores y en el desarrollo de técnicas alternativas para la determinación de los analitos mencionados precedentemente. Electrochemical reaction mechanisms of mycotoxins (toxic metabolites generated by fungi) citrinin (CIT), Patulin (PAT) and moniliformin (MON), natural antioxidants alpha, beta, gamma and delta tocopherols, flavonoids fisetin (FIS), morin (MOR), luteolin (LUT), rutin (RUT), butein (BUT), naringenin (NAR), miricetin (MIR) and steroid hormones estradiol (EDIOL), estrone (EONA) and estriole (ETRIOL) will be explored. On the other hand, electroanalytical techniques for the detection and quantification of these substrates in samples of natural matrices will be implemented. The design and characterization of enzymatic biosensors from peroxidases and/or from alkaline phosphatase for the determination of CIT and flavonoids, and also of inmunosensors for ochratoxin A (OTA) and PAT and hormones will be performed. For the anchor of enzymes and/or antibody, properties of electrodes modified by self assembled monolayers, carbon nanotubes and magnetic particles will be explored. Cyclic, square wave and adsorptive stripping voltammetries, electrochemical impedance spectroscopy, controlled potential electrolysis, uv-vis and IR, quartz crystal microbalance and high-resolution microcopies (SEM, TEM, AFM) will be used. The importance of this project is aimed at obtaining new electrochemical data for the indicated substrates and knowledge on the application of modified electrodes in preparation of biosensors and in the development of alternative techniques for the determination of the above-mentioned analytes.

Aceleración de Algoritmos en Procesadores Multicore, GPGPU y FPGA. Algorithm Acceleration with Multicore, GPGPU and FPGA Processors.

El avance en la potencia de cómputo en nuestros días viene dado por la paralelización del procesamiento, dadas las características que disponen las nuevas arquitecturas de hardware. Utilizar convenientemente este hardware impacta en la aceleración de los algoritmos en ejecución (programas). Sin embargo, convertir de forma adecuada el algoritmo en su forma paralela es complejo, y a su vez, esta forma, es específica para cada tipo de hardware paralelo. En la actualidad los procesadores de uso general más comunes son los multicore, procesadores paralelos, también denominados Symmetric Multi-Processors (SMP). Hoy en día es difícil hallar un procesador para computadoras de escritorio que no tengan algún tipo de paralelismo del caracterizado por los SMP, siendo la tendencia de desarrollo, que cada día nos encontremos con procesadores con mayor numero de cores disponibles. Por otro lado, los dispositivos de procesamiento de video (Graphics Processor Units - GPU), a su vez, han ido desarrollando su potencia de cómputo por medio de disponer de múltiples unidades de procesamiento dentro de su composición electrónica, a tal punto que en la actualidad no es difícil encontrar placas de GPU con capacidad de 200 a 400 hilos de procesamiento paralelo. Estos procesadores son muy veloces y específicos para la tarea que fueron desarrollados, principalmente el procesamiento de video. Sin embargo, como este tipo de procesadores tiene muchos puntos en común con el procesamiento científico, estos dispositivos han ido reorientándose con el nombre de General Processing Graphics Processor Unit (GPGPU). A diferencia de los procesadores SMP señalados anteriormente, las GPGPU no son de propósito general y tienen sus complicaciones para uso general debido al límite en la cantidad de memoria que cada placa puede disponer y al tipo de procesamiento paralelo que debe realizar para poder ser productiva su utilización. Los dispositivos de lógica programable, FPGA, son dispositivos capaces de realizar grandes cantidades de operaciones en paralelo, por lo que pueden ser usados para la implementación de algoritmos específicos, aprovechando el paralelismo que estas ofrecen. Su inconveniente viene derivado de la complejidad para la programación y el testing del algoritmo instanciado en el dispositivo. Ante esta diversidad de procesadores paralelos, el objetivo de nuestro trabajo está enfocado en analizar las características especificas que cada uno de estos tienen, y su impacto en la estructura de los algoritmos para que su utilización pueda obtener rendimientos de procesamiento acordes al número de recursos utilizados y combinarlos de forma tal que su complementación sea benéfica. Específicamente, partiendo desde las características del hardware, determinar las propiedades que el algoritmo paralelo debe tener para poder ser acelerado. Las características de los algoritmos paralelos determinará a su vez cuál de estos nuevos tipos de hardware son los mas adecuados para su instanciación. En particular serán tenidos en cuenta el nivel de dependencia de datos, la necesidad de realizar sincronizaciones durante el procesamiento paralelo, el tamaño de datos a procesar y la complejidad de la programación paralela en cada tipo de hardware. Today´s advances in high-performance computing are driven by parallel processing capabilities of available hardware architectures. These architectures enable the acceleration of algorithms when thes ealgorithms are properly parallelized and exploit the specific processing power of the underneath architecture. Most current processors are targeted for general pruposes and integrate several processor cores on a single chip, resulting in what is known as a Symmetric Multiprocessing (SMP) unit. Nowadays even desktop computers make use of multicore processors. Meanwhile, the industry trend is to increase the number of integrated rocessor cores as technology matures. On the other hand, Graphics Processor Units (GPU), originally designed to handle only video processing, have emerged as interesting alternatives to implement algorithm acceleration. Current available GPUs are able to implement from 200 to 400 threads for parallel processing. Scientific computing can be implemented in these hardware thanks to the programability of new GPUs that have been denoted as General Processing Graphics Processor Units (GPGPU).However, GPGPU offer little memory with respect to that available for general-prupose processors; thus, the implementation of algorithms need to be addressed carefully. Finally, Field Programmable Gate Arrays (FPGA) are programmable devices which can implement hardware logic with low latency, high parallelism and deep pipelines. Thes devices can be used to implement specific algorithms that need to run at very high speeds. However, their programmability is harder that software approaches and debugging is typically time-consuming. In this context where several alternatives for speeding up algorithms are available, our work aims at determining the main features of thes architectures and developing the required know-how to accelerate algorithm execution on them. We look at identifying those algorithms that may fit better on a given architecture as well as compleme