Finite volume effects in chiral perturbation theory with twisted boundary conditions

We study the effects of a finite cubic volume with twisted boundary conditions on pseudoscalar mesons. We apply Chiral Perturbation Theory in the p-regime and introduce the twist by means of a constant vector field. The corrections of masses, decay constants, pseudoscalar coupling constants and form factors are calculated at next-to-leading order. We detail the derivations and compare with results available in the literature. In some case there is disagreement due to a different treatment of new extra terms generated from the breaking of the cubic invariance. We advocate to treat such terms as renormalization terms of the twisting angles and reabsorb them in the on-shell conditions. We confirm that the corrections of masses, decay constants, pseudoscalar coupling constants are related by means of chiral Ward identities. Furthermore, we show that the matrix elements of the scalar (resp. vector) form factor satisfies the Feynman–Hellman Theorem (resp. the Ward–Takahashi identity). To show the Ward–Takahashi identity we construct an effective field theory for charged pions which is invariant under electromagnetic gauge transformations and which reproduces the results obtained with Chiral Perturbation Theory at a vanishing momentum transfer. This generalizes considerations previously published for periodic boundary conditions to twisted boundary conditions. Another method to estimate the corrections in finite volume are asymptotic formulae. Asymptotic formulae were introduced by Lüscher and relate the corrections of a given physical quantity to an integral of a specific amplitude, evaluated in infinite volume. Here, we revise the original derivation of Lüscher and generalize it to finite volume with twisted boundary conditions. In some cases, the derivation involves complications due to extra terms generated from the breaking of the cubic invariance. We isolate such terms and treat them as renormalization terms just as done before. In that way, we derive asymptotic formulae for masses, decay constants, pseudoscalar coupling constants and scalar form factors. At the same time, we derive also asymptotic formulae for renormalization terms. We apply all these formulae in combination with Chiral Perturbation Theory and estimate the corrections beyond next-to-leading order. We show that asymptotic formulae for masses, decay constants, pseudoscalar coupling constants are related by means of chiral Ward identities. A similar relation connects in an independent way asymptotic formulae for renormalization terms. We check these relations for charged pions through a direct calculation. To conclude, a numerical analysis quantifies the importance of finite volume corrections at next-to-leading order and beyond. We perform a generic Analysis and illustrate two possible applications to real simulations.

Apuntes para el estudio del ocio y las formas de sociabilidad de los estratos superiores en la Argentina contemporánea

En este trabajo sostengo que existe una relación entre ocio y estratificación social, o más específicamente, entre las formas de sociabilidad del tiempo libre y los estratos superiores, donde las prácticas de sociabilidad, esparcimiento y deporte operan como instancias de producción y reproducción, así como también de reconversión y recomposición social y simbólica de las categorías sociales de los estratos superiores. En el primer capítulo abordo buena parte de la bibliografía sobre estratificación social, clases sociales y elites para fundamentar el valor analítico de esta dimensión para las ciencias sociales en términos generales, y para el estudio de los fenómenos ligados a la sociabilidad del tiempo libre entre los estratos superiores, en particular. En el segundo capítulo intento fundamentar el valor sociológico de la dimensión del ocio y el tiempo libre, así como sus formas de sociabilidad, especialmente en función de su articulación en torno a los estratos superiores. En el tercer capítulo procuro abordar la relación entre estratos superiores y sociabilidad del tiempo libre para (y desde) el contexto argentino contemporáneo. Intentaré trabajar en torno al modo en que ha sido pensada y es posible pensar esa relación para la escena local, y al mismo tiempo, sobre el modo en que la reflexión enfocada en el contexto local nos permite elaborar marcos de análisis para el estudio del fenómeno de la sociabilidad del tiempo libre entre los estratos superiores, en general. Finalmente, la perspectiva que desarrollo aboga por un desplazamiento analítico que vaya desde las interpretaciones unidimensionales de los fenómenos ligados a la sociabilidad, el deporte y el ocio entre los estratos superiores hacia las lecturas multidimensionales. Un desplazamiento que nos permita interpretar la relación entre los procesos estructurales, las instancias de sociabilidad y las prácticas de los agentes en términos de afinidades, reponiendo la positividad de cada dimensión sin la necesidad de recurrir a las sobredeterminaciones o los reduccionismos de las más variadas especies

Capital simbólico e investigación. Una nota sobre el capital corporal

Este trabajo tiene como propósito presentar algunos potenciales aportes de la Teoría del Campo de Pierre Bourdieu en tres niveles de lectura: El de los fenómenos a estudiar en el marco de un proyecto de investigación, el del estatuto de esta teoría dentro de la Teoría Social Contemporánea y, finalmente, el de la posición del que escribe dentro del campo de investigación. El énfasis va a ponerse en el nivel de los fenómenos que es posible reconstruir a partir del análisis de fragmentos de documentos producidos en el trabajo de campo. Finalmente se harán algunas conclusiones sobre el uso de la categoría capital corporal para designar una subespecie de capital simbólico en el dominio de las prácticas corporales parte de la intervención de la Educación Física en una cárcel de la Provincia de Buenos Aires.

Apuntes para el estudio del ocio y las formas de sociabilidad de los estratos superiores en la Argentina contemporánea

En este trabajo sostengo que existe una relación entre ocio y estratificación social, o más específicamente, entre las formas de sociabilidad del tiempo libre y los estratos superiores, donde las prácticas de sociabilidad, esparcimiento y deporte operan como instancias de producción y reproducción, así como también de reconversión y recomposición social y simbólica de las categorías sociales de los estratos superiores. En el primer capítulo abordo buena parte de la bibliografía sobre estratificación social, clases sociales y elites para fundamentar el valor analítico de esta dimensión para las ciencias sociales en términos generales, y para el estudio de los fenómenos ligados a la sociabilidad del tiempo libre entre los estratos superiores, en particular. En el segundo capítulo intento fundamentar el valor sociológico de la dimensión del ocio y el tiempo libre, así como sus formas de sociabilidad, especialmente en función de su articulación en torno a los estratos superiores. En el tercer capítulo procuro abordar la relación entre estratos superiores y sociabilidad del tiempo libre para (y desde) el contexto argentino contemporáneo. Intentaré trabajar en torno al modo en que ha sido pensada y es posible pensar esa relación para la escena local, y al mismo tiempo, sobre el modo en que la reflexión enfocada en el contexto local nos permite elaborar marcos de análisis para el estudio del fenómeno de la sociabilidad del tiempo libre entre los estratos superiores, en general. Finalmente, la perspectiva que desarrollo aboga por un desplazamiento analítico que vaya desde las interpretaciones unidimensionales de los fenómenos ligados a la sociabilidad, el deporte y el ocio entre los estratos superiores hacia las lecturas multidimensionales. Un desplazamiento que nos permita interpretar la relación entre los procesos estructurales, las instancias de sociabilidad y las prácticas de los agentes en términos de afinidades, reponiendo la positividad de cada dimensión sin la necesidad de recurrir a las sobredeterminaciones o los reduccionismos de las más variadas especies

Capital simbólico e investigación. Una nota sobre el capital corporal

Este trabajo tiene como propósito presentar algunos potenciales aportes de la Teoría del Campo de Pierre Bourdieu en tres niveles de lectura: El de los fenómenos a estudiar en el marco de un proyecto de investigación, el del estatuto de esta teoría dentro de la Teoría Social Contemporánea y, finalmente, el de la posición del que escribe dentro del campo de investigación. El énfasis va a ponerse en el nivel de los fenómenos que es posible reconstruir a partir del análisis de fragmentos de documentos producidos en el trabajo de campo. Finalmente se harán algunas conclusiones sobre el uso de la categoría capital corporal para designar una subespecie de capital simbólico en el dominio de las prácticas corporales parte de la intervención de la Educación Física en una cárcel de la Provincia de Buenos Aires.

Apuntes para el estudio del ocio y las formas de sociabilidad de los estratos superiores en la Argentina contemporánea

En este trabajo sostengo que existe una relación entre ocio y estratificación social, o más específicamente, entre las formas de sociabilidad del tiempo libre y los estratos superiores, donde las prácticas de sociabilidad, esparcimiento y deporte operan como instancias de producción y reproducción, así como también de reconversión y recomposición social y simbólica de las categorías sociales de los estratos superiores. En el primer capítulo abordo buena parte de la bibliografía sobre estratificación social, clases sociales y elites para fundamentar el valor analítico de esta dimensión para las ciencias sociales en términos generales, y para el estudio de los fenómenos ligados a la sociabilidad del tiempo libre entre los estratos superiores, en particular. En el segundo capítulo intento fundamentar el valor sociológico de la dimensión del ocio y el tiempo libre, así como sus formas de sociabilidad, especialmente en función de su articulación en torno a los estratos superiores. En el tercer capítulo procuro abordar la relación entre estratos superiores y sociabilidad del tiempo libre para (y desde) el contexto argentino contemporáneo. Intentaré trabajar en torno al modo en que ha sido pensada y es posible pensar esa relación para la escena local, y al mismo tiempo, sobre el modo en que la reflexión enfocada en el contexto local nos permite elaborar marcos de análisis para el estudio del fenómeno de la sociabilidad del tiempo libre entre los estratos superiores, en general. Finalmente, la perspectiva que desarrollo aboga por un desplazamiento analítico que vaya desde las interpretaciones unidimensionales de los fenómenos ligados a la sociabilidad, el deporte y el ocio entre los estratos superiores hacia las lecturas multidimensionales. Un desplazamiento que nos permita interpretar la relación entre los procesos estructurales, las instancias de sociabilidad y las prácticas de los agentes en términos de afinidades, reponiendo la positividad de cada dimensión sin la necesidad de recurrir a las sobredeterminaciones o los reduccionismos de las más variadas especies

Capital simbólico e investigación. Una nota sobre el capital corporal

Este trabajo tiene como propósito presentar algunos potenciales aportes de la Teoría del Campo de Pierre Bourdieu en tres niveles de lectura: El de los fenómenos a estudiar en el marco de un proyecto de investigación, el del estatuto de esta teoría dentro de la Teoría Social Contemporánea y, finalmente, el de la posición del que escribe dentro del campo de investigación. El énfasis va a ponerse en el nivel de los fenómenos que es posible reconstruir a partir del análisis de fragmentos de documentos producidos en el trabajo de campo. Finalmente se harán algunas conclusiones sobre el uso de la categoría capital corporal para designar una subespecie de capital simbólico en el dominio de las prácticas corporales parte de la intervención de la Educación Física en una cárcel de la Provincia de Buenos Aires.

Electrooptic characterization of tunable cylindrical liquid crystal lenses

In this work, one-dimensional arrays of cylindrical adaptive liquid crystal lenses were manufactured and characterized; and test devices were filled with nematic liquid crystal. Comb interdigitated electrodes were designed as a mask pattern for the control electrode on the top glass substrates. A radial graded refractive index along each microsized lens was achieved by fabricating a layer of high resistance sheet deposited as a control electrode. These tunable lenses were switched by applying amplitude and frequency optimized waveforms on the control electrode. Phase profiles generated by the radial electric field distribution on each lens were measured by a convectional interferometric technique.

Numerical simulation of Ge solar cells using D-AMPS-1D code

A solar cell is a solid state device that converts the energy of sunlight directly into electricity by the photovoltaic effect. When light with photon energies greater than the band gap is absorbed by a semiconductor material, free electrons and free holes are generated by optical excitation in the material. The main characteristic of a photovoltaic device is the presence of internal electric field able to separate the free electrons and holes so they can pass out of the material to the external circuit before they recombine. Numerical simulation of photovoltaic devices plays a crucial role in their design, performance prediction, and comprehension of the fundamental phenomena ruling their operation. The electrical transport and the optical behavior of the solar cells discussed in this work were studied with the simulation code D-AMPS-1D. This software is an updated version of the one-dimensional (1D) simulation program Analysis of Microelectronic and Photonic Devices (AMPS) that was initially developed at The Penn State University, USA. Structures such as homojunctions, heterojunctions, multijunctions, etc., resulting from stacking layers of different materials can be studied by appropriately selecting characteristic parameters. In this work, examples of cells simulation made with D-AMPS-1D are shown. Particularly, results of Ge photovoltaic devices are presented. The role of the InGaP buffer on the device was studied. Moreover, a comparison of the simulated electrical parameters with experimental results was performed.

Coronal fluid-dynamics in laser fusion

The fluid-dynamics of the corona ejected by laser-fusion targets in the direct-drive approach (thermal radiation and atomic physics unimportant) is discussed. A two-fluid model involves inverse bremsstrahlung absorption, refraction, different ion and electron temperatures with energy exchange, different ion and electron velocities and magnetic field generation, and their effect on ion-electron friction and heat flux. Four dimensionless parameters determine coronal regimes for one-dimensional flows under uniform irradiation. One additional parameter is involved in two-dimensional problems,including the stability of one-dimensional flows, and the smoothing of nonuniform driving.

Contributions to Bayesian network learning with applications to neuroscience

Neuronal morphology is a key feature in the study of brain circuits, as it is highly related to information processing and functional identification. Neuronal morphology affects the process of integration of inputs from other neurons and determines the neurons which receive the output of the neurons. Different parts of the neurons can operate semi-independently according to the spatial location of the synaptic connections. As a result, there is considerable interest in the analysis of the microanatomy of nervous cells since it constitutes an excellent tool for better understanding cortical function. However, the morphologies, molecular features and electrophysiological properties of neuronal cells are extremely variable. Except for some special cases, this variability makes it hard to find a set of features that unambiguously define a neuronal type. In addition, there are distinct types of neurons in particular regions of the brain. This morphological variability makes the analysis and modeling of neuronal morphology a challenge. Uncertainty is a key feature in many complex real-world problems. Probability theory provides a framework for modeling and reasoning with uncertainty. Probabilistic graphical models combine statistical theory and graph theory to provide a tool for managing domains with uncertainty. In particular, we focus on Bayesian networks, the most commonly used probabilistic graphical model. In this dissertation, we design new methods for learning Bayesian networks and apply them to the problem of modeling and analyzing morphological data from neurons. The morphology of a neuron can be quantified using a number of measurements, e.g., the length of the dendrites and the axon, the number of bifurcations, the direction of the dendrites and the axon, etc. These measurements can be modeled as discrete or continuous data. The continuous data can be linear (e.g., the length or the width of a dendrite) or directional (e.g., the direction of the axon). These data may follow complex probability distributions and may not fit any known parametric distribution. Modeling this kind of problems using hybrid Bayesian networks with discrete, linear and directional variables poses a number of challenges regarding learning from data, inference, etc. In this dissertation, we propose a method for modeling and simulating basal dendritic trees from pyramidal neurons using Bayesian networks to capture the interactions between the variables in the problem domain. A complete set of variables is measured from the dendrites, and a learning algorithm is applied to find the structure and estimate the parameters of the probability distributions included in the Bayesian networks. Then, a simulation algorithm is used to build the virtual dendrites by sampling values from the Bayesian networks, and a thorough evaluation is performed to show the model’s ability to generate realistic dendrites. In this first approach, the variables are discretized so that discrete Bayesian networks can be learned and simulated. Then, we address the problem of learning hybrid Bayesian networks with different kinds of variables. Mixtures of polynomials have been proposed as a way of representing probability densities in hybrid Bayesian networks. We present a method for learning mixtures of polynomials approximations of one-dimensional, multidimensional and conditional probability densities from data. The method is based on basis spline interpolation, where a density is approximated as a linear combination of basis splines. The proposed algorithms are evaluated using artificial datasets. We also use the proposed methods as a non-parametric density estimation technique in Bayesian network classifiers. Next, we address the problem of including directional data in Bayesian networks. These data have some special properties that rule out the use of classical statistics. Therefore, different distributions and statistics, such as the univariate von Mises and the multivariate von Mises–Fisher distributions, should be used to deal with this kind of information. In particular, we extend the naive Bayes classifier to the case where the conditional probability distributions of the predictive variables given the class follow either of these distributions. We consider the simple scenario, where only directional predictive variables are used, and the hybrid case, where discrete, Gaussian and directional distributions are mixed. The classifier decision functions and their decision surfaces are studied at length. Artificial examples are used to illustrate the behavior of the classifiers. The proposed classifiers are empirically evaluated over real datasets. We also study the problem of interneuron classification. An extensive group of experts is asked to classify a set of neurons according to their most prominent anatomical features. A web application is developed to retrieve the experts’ classifications. We compute agreement measures to analyze the consensus between the experts when classifying the neurons. Using Bayesian networks and clustering algorithms on the resulting data, we investigate the suitability of the anatomical terms and neuron types commonly used in the literature. Additionally, we apply supervised learning approaches to automatically classify interneurons using the values of their morphological measurements. Then, a methodology for building a model which captures the opinions of all the experts is presented. First, one Bayesian network is learned for each expert, and we propose an algorithm for clustering Bayesian networks corresponding to experts with similar behaviors. Then, a Bayesian network which represents the opinions of each group of experts is induced. Finally, a consensus Bayesian multinet which models the opinions of the whole group of experts is built. A thorough analysis of the consensus model identifies different behaviors between the experts when classifying the interneurons in the experiment. A set of characterizing morphological traits for the neuronal types can be defined by performing inference in the Bayesian multinet. These findings are used to validate the model and to gain some insights into neuron morphology. Finally, we study a classification problem where the true class label of the training instances is not known. Instead, a set of class labels is available for each instance. This is inspired by the neuron classification problem, where a group of experts is asked to individually provide a class label for each instance. We propose a novel approach for learning Bayesian networks using count vectors which represent the number of experts who selected each class label for each instance. These Bayesian networks are evaluated using artificial datasets from supervised learning problems. Resumen La morfología neuronal es una característica clave en el estudio de los circuitos cerebrales, ya que está altamente relacionada con el procesado de información y con los roles funcionales. La morfología neuronal afecta al proceso de integración de las señales de entrada y determina las neuronas que reciben las salidas de otras neuronas. Las diferentes partes de la neurona pueden operar de forma semi-independiente de acuerdo a la localización espacial de las conexiones sinápticas. Por tanto, existe un interés considerable en el análisis de la microanatomía de las células nerviosas, ya que constituye una excelente herramienta para comprender mejor el funcionamiento de la corteza cerebral. Sin embargo, las propiedades morfológicas, moleculares y electrofisiológicas de las células neuronales son extremadamente variables. Excepto en algunos casos especiales, esta variabilidad morfológica dificulta la definición de un conjunto de características que distingan claramente un tipo neuronal. Además, existen diferentes tipos de neuronas en regiones particulares del cerebro. La variabilidad neuronal hace que el análisis y el modelado de la morfología neuronal sean un importante reto científico. La incertidumbre es una propiedad clave en muchos problemas reales. La teoría de la probabilidad proporciona un marco para modelar y razonar bajo incertidumbre. Los modelos gráficos probabilísticos combinan la teoría estadística y la teoría de grafos con el objetivo de proporcionar una herramienta con la que trabajar bajo incertidumbre. En particular, nos centraremos en las redes bayesianas, el modelo más utilizado dentro de los modelos gráficos probabilísticos. En esta tesis hemos diseñado nuevos métodos para aprender redes bayesianas, inspirados por y aplicados al problema del modelado y análisis de datos morfológicos de neuronas. La morfología de una neurona puede ser cuantificada usando una serie de medidas, por ejemplo, la longitud de las dendritas y el axón, el número de bifurcaciones, la dirección de las dendritas y el axón, etc. Estas medidas pueden ser modeladas como datos continuos o discretos. A su vez, los datos continuos pueden ser lineales (por ejemplo, la longitud o la anchura de una dendrita) o direccionales (por ejemplo, la dirección del axón). Estos datos pueden llegar a seguir distribuciones de probabilidad muy complejas y pueden no ajustarse a ninguna distribución paramétrica conocida. El modelado de este tipo de problemas con redes bayesianas híbridas incluyendo variables discretas, lineales y direccionales presenta una serie de retos en relación al aprendizaje a partir de datos, la inferencia, etc. En esta tesis se propone un método para modelar y simular árboles dendríticos basales de neuronas piramidales usando redes bayesianas para capturar las interacciones entre las variables del problema. Para ello, se mide un amplio conjunto de variables de las dendritas y se aplica un algoritmo de aprendizaje con el que se aprende la estructura y se estiman los parámetros de las distribuciones de probabilidad que constituyen las redes bayesianas. Después, se usa un algoritmo de simulación para construir dendritas virtuales mediante el muestreo de valores de las redes bayesianas. Finalmente, se lleva a cabo una profunda evaluaci ón para verificar la capacidad del modelo a la hora de generar dendritas realistas. En esta primera aproximación, las variables fueron discretizadas para poder aprender y muestrear las redes bayesianas. A continuación, se aborda el problema del aprendizaje de redes bayesianas con diferentes tipos de variables. Las mixturas de polinomios constituyen un método para representar densidades de probabilidad en redes bayesianas híbridas. Presentamos un método para aprender aproximaciones de densidades unidimensionales, multidimensionales y condicionales a partir de datos utilizando mixturas de polinomios. El método se basa en interpolación con splines, que aproxima una densidad como una combinación lineal de splines. Los algoritmos propuestos se evalúan utilizando bases de datos artificiales. Además, las mixturas de polinomios son utilizadas como un método no paramétrico de estimación de densidades para clasificadores basados en redes bayesianas. Después, se estudia el problema de incluir información direccional en redes bayesianas. Este tipo de datos presenta una serie de características especiales que impiden el uso de las técnicas estadísticas clásicas. Por ello, para manejar este tipo de información se deben usar estadísticos y distribuciones de probabilidad específicos, como la distribución univariante von Mises y la distribución multivariante von Mises–Fisher. En concreto, en esta tesis extendemos el clasificador naive Bayes al caso en el que las distribuciones de probabilidad condicionada de las variables predictoras dada la clase siguen alguna de estas distribuciones. Se estudia el caso base, en el que sólo se utilizan variables direccionales, y el caso híbrido, en el que variables discretas, lineales y direccionales aparecen mezcladas. También se estudian los clasificadores desde un punto de vista teórico, derivando sus funciones de decisión y las superficies de decisión asociadas. El comportamiento de los clasificadores se ilustra utilizando bases de datos artificiales. Además, los clasificadores son evaluados empíricamente utilizando bases de datos reales. También se estudia el problema de la clasificación de interneuronas. Desarrollamos una aplicación web que permite a un grupo de expertos clasificar un conjunto de neuronas de acuerdo a sus características morfológicas más destacadas. Se utilizan medidas de concordancia para analizar el consenso entre los expertos a la hora de clasificar las neuronas. Se investiga la idoneidad de los términos anatómicos y de los tipos neuronales utilizados frecuentemente en la literatura a través del análisis de redes bayesianas y la aplicación de algoritmos de clustering. Además, se aplican técnicas de aprendizaje supervisado con el objetivo de clasificar de forma automática las interneuronas a partir de sus valores morfológicos. A continuación, se presenta una metodología para construir un modelo que captura las opiniones de todos los expertos. Primero, se genera una red bayesiana para cada experto y se propone un algoritmo para agrupar las redes bayesianas que se corresponden con expertos con comportamientos similares. Después, se induce una red bayesiana que modela la opinión de cada grupo de expertos. Por último, se construye una multired bayesiana que modela las opiniones del conjunto completo de expertos. El análisis del modelo consensuado permite identificar diferentes comportamientos entre los expertos a la hora de clasificar las neuronas. Además, permite extraer un conjunto de características morfológicas relevantes para cada uno de los tipos neuronales mediante inferencia con la multired bayesiana. Estos descubrimientos se utilizan para validar el modelo y constituyen información relevante acerca de la morfología neuronal. Por último, se estudia un problema de clasificación en el que la etiqueta de clase de los datos de entrenamiento es incierta. En cambio, disponemos de un conjunto de etiquetas para cada instancia. Este problema está inspirado en el problema de la clasificación de neuronas, en el que un grupo de expertos proporciona una etiqueta de clase para cada instancia de manera individual. Se propone un método para aprender redes bayesianas utilizando vectores de cuentas, que representan el número de expertos que seleccionan cada etiqueta de clase para cada instancia. Estas redes bayesianas se evalúan utilizando bases de datos artificiales de problemas de aprendizaje supervisado.

Simulación de componentes no estacionarias de viento en orografías complejas

Realistic operation of helicopter flight simulators in complex topographies (such as urban environments) requires appropriate prediction of the incoming wind, and this prediction should be made in real time. Unfortunately, the wind topology around complex topographies shows time-dependent, fully nonlinear, turbulent patterns (i.e., wakes) whose simulation cannot be made using computationally inexpensive tools based on corrected potential approximations. Instead, the full Navier-Stokes plus some kind of turbulent modeling is necessary, which is quite computationally expensive. The complete unsteady flow depends on two parameters, namely the velocity and orientation of the free stream flow. The aim of this MSc thesis is to develop a methodology for the real time simulation of these complex flows. For simplicity, the flow around a single building (20 mx20 m cross section and 100 m height) is considered, with free stream velocity in the range 5-25 m/s. Because of the square cross section, the problem shows two reflection symmetries, which allows for restricting the orientations to the range 0° < a. < 45°. The methodology includes an offline preprocess and the online operation. The preprocess consists in three steps: An appropriate, unstructured mesh is selected in which the flow is sim¬ulated using OpenFOAM, and this is done for 33 combinations of 3 free stream intensities and 11 orientations. For each of these, the simulation proceeds for a sufficiently large time as to eliminate transients. This step is quite computationally expensive. Each flow field is post-processed using a combination of proper orthogonal decomposition, fast Fourier transform, and a convenient optimization tool, which identifies the relevant frequencies (namely, both the basic frequencies and their harmonics) and modes in the computational mesh. This combination includes several new ingredients to filter errors out and identify the relevant spatio-temporal patterns. Note that, in principle, the basic frequencies depend on both the intensity and the orientation of the free stream flow. The outcome of this step is a set of modes (vectors containing the three velocity components at all mesh points) for the various Fourier components, intensities, and orientations, which can be organized as a third order tensor. This step is fairly computationally inexpensive. The above mentioned tensor is treated using a combination of truncated high order singular value, decomposition and appropriate one-dimensional interpolation (as in Lorente, Velazquez, Vega, J. Aircraft, 45 (2008) 1779-1788). The outcome is a tensor representation of both the relevant fre¬quencies and the associated Fourier modes for a given pair of values of the free stream flow intensity and orientation. This step is fairly compu¬tationally inexpensive. The online, operation requires just reconstructing the time-dependent flow field from its Fourier representation, which is extremely computationally inex¬pensive. The whole method is quite robust.

Phase transitions in number theory: from the birthday problem to Sidon sets

In this work, we show how number theoretical problems can be fruitfully approached with the tools of statistical physics. We focus on g-Sidon sets, which describe sequences of integers whose pairwise sums are different, and propose a random decision problem which addresses the probability of a random set of k integers to be g-Sidon. First, we provide numerical evidence showing that there is a crossover between satisfiable and unsatisfiable phases which converts to an abrupt phase transition in a properly defined thermodynamic limit. Initially assuming independence, we then develop a mean-field theory for the g-Sidon decision problem. We further improve the mean-field theory, which is only qualitatively correct, by incorporating deviations from independence, yielding results in good quantitative agreement with the numerics for both finite systems and in the thermodynamic limit. Connections between the generalized birthday problem in probability theory, the number theory of Sidon sets and the properties of q-Potts models in condensed matter physics are briefly discussed

Bayesian scene analysis for multi-camera 3D tracking and camera positioning

Los sistemas de seguimiento mono-cámara han demostrado su notable capacidad para el análisis de trajectorias de objectos móviles y para monitorización de escenas de interés; sin embargo, tanto su robustez como sus posibilidades en cuanto a comprensión semántica de la escena están fuertemente limitadas por su naturaleza local y monocular, lo que los hace insuficientes para aplicaciones realistas de videovigilancia. El objetivo de esta tesis es la extensión de las posibilidades de los sistemas de seguimiento de objetos móviles para lograr un mayor grado de robustez y comprensión de la escena. La extensión propuesta se divide en dos direcciones separadas. La primera puede considerarse local, ya que está orientada a la mejora y enriquecimiento de las posiciones estimadas para los objetos móviles observados directamente por las cámaras del sistema; dicha extensión se logra mediante el desarrollo de un sistema multi-cámara de seguimiento 3D, capaz de proporcionar consistentemente las posiciones 3D de múltiples objetos a partir de las observaciones capturadas por un conjunto de sensores calibrados y con campos de visión solapados. La segunda extensión puede considerarse global, dado que su objetivo consiste en proporcionar un contexto global para relacionar las observaciones locales realizadas por una cámara con una escena de mucho mayor tamaño; para ello se propone un sistema automático de localización de cámaras basado en las trayectorias observadas de varios objetos móviles y en un mapa esquemático de la escena global monitorizada. Ambas líneas de investigación se tratan utilizando, como marco común, técnicas de estimación bayesiana: esta elección está justificada por la versatilidad y flexibilidad proporcionada por dicho marco estadístico, que permite la combinación natural de múltiples fuentes de información sobre los parámetros a estimar, así como un tratamiento riguroso de la incertidumbre asociada a las mismas mediante la inclusión de modelos de observación específicamente diseñados. Además, el marco seleccionado abre grandes posibilidades operacionales, puesto que permite la creación de diferentes métodos numéricos adaptados a las necesidades y características específicas de distintos problemas tratados. El sistema de seguimiento 3D con múltiples cámaras propuesto está específicamente diseñado para permitir descripciones esquemáticas de las medidas realizadas individualmente por cada una de las cámaras del sistema: esta elección de diseño, por tanto, no asume ningún algoritmo específico de detección o seguimiento 2D en ninguno de los sensores de la red, y hace que el sistema propuesto sea aplicable a redes reales de vigilancia con capacidades limitadas tanto en términos de procesamiento como de transmision. La combinación robusta de las observaciones capturadas individualmente por las cámaras, ruidosas, incompletas y probablemente contaminadas por falsas detecciones, se basa en un metodo de asociación bayesiana basado en geometría y color: los resultados de dicha asociación permiten el seguimiento 3D de los objetos de la escena mediante el uso de un filtro de partículas. El sistema de fusión de observaciones propuesto tiene, como principales características, una gran precisión en términos de localización 3D de objetos, y una destacable capacidad de recuperación tras eventuales errores debidos a un número insuficiente de datos de entrada. El sistema automático de localización de cámaras se basa en la observación de múltiples objetos móviles y un mapa esquemático de las áreas transitables del entorno monitorizado para inferir la posición absoluta de dicho sensor. Para este propósito, se propone un novedoso marco bayesiano que combina modelos dinámicos inducidos por el mapa en los objetos móviles presentes en la escena con las trayectorias observadas por la cámara, lo que representa un enfoque nunca utilizado en la literatura existente. El sistema de localización se divide en dos sub-tareas diferenciadas, debido a que cada una de estas tareas requiere del diseño de algoritmos específicos de muestreo para explotar en profundidad las características del marco desarrollado: por un lado, análisis de la ambigüedad del caso específicamente tratado y estimación aproximada de la localización de la cámara, y por otro, refinado de la localización de la cámara. El sistema completo, diseñado y probado para el caso específico de localización de cámaras en entornos de tráfico urbano, podría tener aplicación también en otros entornos y sensores de diferentes modalidades tras ciertas adaptaciones. ABSTRACT Mono-camera tracking systems have proved their capabilities for moving object trajectory analysis and scene monitoring, but their robustness and semantic possibilities are strongly limited by their local and monocular nature and are often insufficient for realistic surveillance applications. This thesis is aimed at extending the possibilities of moving object tracking systems to a higher level of scene understanding. The proposed extension comprises two separate directions. The first one is local, since is aimed at enriching the inferred positions of the moving objects within the area of the monitored scene directly covered by the cameras of the system; this task is achieved through the development of a multi-camera system for robust 3D tracking, able to provide 3D tracking information of multiple simultaneous moving objects from the observations reported by a set of calibrated cameras with semi-overlapping fields of view. The second extension is global, as is aimed at providing local observations performed within the field of view of one camera with a global context relating them to a much larger scene; to this end, an automatic camera positioning system relying only on observed object trajectories and a scene map is designed. The two lines of research in this thesis are addressed using Bayesian estimation as a general unifying framework. Its suitability for these two applications is justified by the flexibility and versatility of that stochastic framework, which allows the combination of multiple sources of information about the parameters to estimate in a natural and elegant way, addressing at the same time the uncertainty associated to those sources through the inclusion of models designed to this end. In addition, it opens multiple possibilities for the creation of different numerical methods for achieving satisfactory and efficient practical solutions to each addressed application. The proposed multi-camera 3D tracking method is specifically designed to work on schematic descriptions of the observations performed by each camera of the system: this choice allows the use of unspecific off-the-shelf 2D detection and/or tracking subsystems running independently at each sensor, and makes the proposal suitable for real surveillance networks with moderate computational and transmission capabilities. The robust combination of such noisy, incomplete and possibly unreliable schematic descriptors relies on a Bayesian association method, based on geometry and color, whose results allow the tracking of the targets in the scene with a particle filter. The main features exhibited by the proposal are, first, a remarkable accuracy in terms of target 3D positioning, and second, a great recovery ability after tracking losses due to insufficient input data. The proposed system for visual-based camera self-positioning uses the observations of moving objects and a schematic map of the passable areas of the environment to infer the absolute sensor position. To this end, a new Bayesian framework combining trajectory observations and map-induced dynamic models for moving objects is designed, which represents an approach to camera positioning never addressed before in the literature. This task is divided into two different sub-tasks, setting ambiguity analysis and approximate position estimation, on the one hand, and position refining, on the other, since they require the design of specific sampling algorithms to correctly exploit the discriminative features of the developed framework. This system, designed for camera positioning and demonstrated in urban traffic environments, can also be applied to different environments and sensors of other modalities after certain required adaptations.

Improving simulation of soil water balance using lysimeter observations in a semiarid climate.

Water balance simulation in cropping systems is a very useful tool to study how water can be used efficiently. However this requires that models simulate an accurate water balance. Comparing model results with field observations will provide information on the performance of the models. The objective of this study was to test the performance of DSSAT model in simulating the water balance by comparing the simulations with observed measurements. The soil water balance in DSSAT uses a one dimensional ?tipping bucket? soil water balance approach where available soil water is determined by the drained upper limit (DUL), lower limit (LL) and saturated water content (SAT). A continuous weighing lysimeter was used to get the observed values of drainage and evapotranspiration (ET). An automated agrometeorological weather station close to the lisymeter was also used to record the climatic data. The model simulated accurately the soil water content after the optimization of the soil parameters. However it was found the inability of the model to capture small changes in daily drainage and ET. For that reason simulated cumulative values had larger errors as the time passed by. These results suggested the need to compare outputs of DSSAT and some hydrological model that simulates soil water movement with a more mechanistic approach. The comparison of the two models will allow us to find which mechanism can be modified or incorporated in DSSAT model to improve the simulations.