Diseño y desarrollo de superficies modificadas. Aplicaciones ambientales, biomédicas y farmacéuticas. Design and development of modified surfaces. Environmental, biomedical and pharmaceutical applications.

El objetivo general de este proyecto de investigación es diseñar, desarrollar y optimizar superficies con propiedades especificas para ser utilizadas como sensores y biosensores, materiales biocompatibles, columnas para separaciones por electroforesis capilar, matrices para la liberación controlada de fármacos y sorbentes para remediación ambiental. Para concretar este objetivo, se propone específicamente modificar superficies o particulas apuntando a optimizar un sistema concreto relevante en aplicaciones farmaceuticas, ambientales o biomedicas: 1. Modificacion de arcillas naturales o sinteticas para desarrollar matrices portadoras de farmacos o sorbentes para remediacion ambiental:1.1 Estudiar ilitas modificadas con Fe(III) para maximizar las propiedades adsortivas frente a aniones contaminantes como arsenico. 1.2 Sintetizar LDH de Al y Mg modificados con compuestos de interés farmacéutico para diseñar sistemas de liberación controlada.2. Modificación de canales de chips y electrodos para optimizar la separación, detección y cuantificación de compuestos farmacéutico: 2.1 Diseñar y construir microchips para la separación por EC de compuestos de base fenólica.2.2 Evaluar polímeros que mejoren la respuesta y/o estabilidad de electrodos de Carbono para ser usados como detectores amperométrico de compuestos de base fenólica en sistemas FIA y miniaturizados de análisis integrados.3. Modificación de superficies sólidas con biomoléculas para el desarrollo y optimización de superficies de bio-reconocimiento:3.1 Evaluar el comportamiento de superficies de titanio modificadas con TiO2 y depósitos inorgánicos frente a la interacción con proteínas plasmáticas (PP) para el análisis de la biocompatibilidad superficial.3.2 Diseñar y desarrollar superficies biofuncionales para el reconocimiento especifico de D-aminoácidos, anticuerpos en pacientes chagásicos y simple hebra de ADN. Las técnicas que se emplearán para llevar a cabo el proyecto dependen del tipo de sistema de estudio. En particular los estudios correspondientes al objetivo 1 se realizarán mediante análisis químicos, térmico, DXR, SEM, IR, BET así como mediante titulaciones ácido-base potenciométricas, movilidades electroforéticas, cinética e isotermas de adsorción.En general para desarrollar el objetivo 2 se utilizarán técnicas electroquímicas clásicas para la caracterización de los electrodos, los que luego se utilizarán como detectores en un sistema FIA amperométrico, mientras que los microchips se emplearán en electroforesis capilar para la separación de diferentes compuestos de interés farmacéutico.Finalmente, el objetivo 3 se llevará a cabo por un lado modificando electrodos de titanio con distintos depósitos (electroquímicas, sol-gel, térmicas) de TiO2 e hidroxiapatita y evaluando la interacción con proteínas plasmáticas para analizar la biocompatibilidad de los materiales preparados. Por otro lado, se estudiará el proceso de adsorción-desorción de D-aminoácido oxidasa, antígenos del T. Cruzi y ADN de simple hebra para optmizar la capacidad de bio-reconocimiento superficial de D-aminoácidos, anticuerpos de chagásicos y de cadena complementaria de ADN. Para concretar este objetivo se utilizarán técnicas electroquímicas, espectroscópicas y microscopias.Debido al carácter multidisciplinario del presente proyecto de investigación, su ejecución se llevara a cabo a través de la colaboración de investigadores pertenecientes a distintas áreas de la Química y permitirá continuar con la formación de recursos humanos mediante la realización de tesis doctorales y estadías postdoctorales.

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