The extraction of high-value bioactive compounds such as biochanin A requires sustainable technologies like Supercritical Fluid Extraction (SCFE) using carbon dioxide (CO₂). However, process design depends on reliable phase equilibrium data, which has not previously been available for the biochanin A + SC-CO₂ system. This thesis experimentally measures, validates, and thermodynamically models the solid-fluid phase equilibrium of biochanin A in supercritical CO₂. Solubility was measured using a dynamic-analytical isothermal method with a high-pressure view cell and HPLC quantification at 313.15, 323.15, and 333.15 K over pressures from approximately 10 to 32 MPa. Data reliability was assessed through uncertainty analysis, the Méndez-Santiago and Teja self-consistency model, and the Valderrama and Zavaleta thermodynamic consistency test. Measured solubilities ranged from 0.43 × 10⁻⁶ to 7.89 × 10⁻⁶ mol·mol⁻¹ and exhibited a maximum between 14 and 16 MPa, followed by a sharp decline. NMR analysis confirmed that this behavior resulted from pressure-induced self-association of biochanin A into hydrogen-bonded dimers, reducing its solubility in the supercritical phase. The SAFT-VR Mie Equation of State reproduced solid-liquid equilibrium data accurately but failed to describe the SC-CO₂ system when only monomers were considered, demonstrating that explicit treatment of the monomer-dimer equilibrium is essential. Simulations also showed that ethanol as a cosolvent significantly enhances biochanin A solubility by disrupting self-association. This work provides the first high-pressure solubility data for biochanin A in supercritical CO₂ and establishes a basis for modeling self-associating solutes in SCFE process design.

La construcción de portafolios descansa sobre expectativas de retorno que en la práctica provienen de múltiples fuentes que discrepan entre sí; sin embargo, ese desacuerdo suele tratarse como ruido, la agregación de las señales como una regla estática y simétrica, y el riesgo como una propiedad de activos individuales. Este trabajo propone un marco que aborda esas tres limitaciones de forma conjunta. Un crowd artificial de nueve modelos predictivos heterogéneos genera pronósticos de retorno para cada activo y horizonte, a partir de los cuales se separan dos magnitudes: el consenso, que aporta el componente direccional, y el desacuerdo entre modelos, reinterpretado como riesgo informacional y expresado como una matriz de riesgo diagonal. Sobre esa base, un meta-agente basado en Double Deep Q-Learning aprende a reponderar el crowd según el régimen de mercado, sustituyendo la agregación fija por una dependiente del estado, y el problema de Markowitz se reformula en clave informacional, evitando la estimación de covarianzas de retornos. El marco se evalúa sobre cuarenta y seis acciones estadounidenses, tres horizontes de inversión y un esquema walk-forward con seis años de evaluación fuera de muestra que abarcan regímenes contrastantes, comparando además un pipeline de retornos crudos con uno que suaviza la variable objetivo mediante filtrado wavelet y winsorización. En el pipeline que preserva la señal predictiva, las estrategias informacionales superan a los benchmarks clásicos, incluida la exposición pasiva al mercado; y aunque la agregación estática resulta un rival exigente, al exhibir los mayores ratios de Sharpe agregados, la capa adaptativa iguala o supera su desempeño en el horizonte de ciento veinte días, donde la variante de convicción alcanza un ratio de Sharpe de 1,157 frente a 0,791 del índice de mercado; esa ventaja se acumula a lo largo del ciclo de evaluación y no en el episodio de estrés agudo, en el que la agregación estática resiste mejor. Los resultados son robustos a la elección de hiperparámetros del meta-agente y favorecen una ventana de entrenamiento deslizante frente a una expansiva, mientras que el suavizado de la variable objetivo deteriora el desempeño al erosionar la señal direccional. En conjunto, tratar el desacuerdo entre un crowd de modelos como riesgo informacional y aprender a reponderarlo de forma dependiente del estado constituye una vía viable para la construcción de portafolios informacionales, cuyo valor se manifiesta con mayor nitidez en el horizonte largo, donde el contenido económico de la señal es más alto.

La optimización ha sido un componente fundamental en la resolución de problemas complejos en ciencia, ingeniería y múltiples aplicaciones prácticas. En este trabajo se estudian problemas clásicos de satisfacción y optimización de restricciones (CSP/CSOP) mediante técnicas de Optimization Modulo Theories (OMT), poniendo especial énfasis en cómo la elección de la lógica de primer orden utilizada para modelar las restricciones afecta significativamente el desempeño del solver. Para ello, se desarrolló un flujo de trabajo para transformar modelos originalmente formulados en aritmética entera lineal (LIA) hacia otras lógicas: LRA, QF_BV y QF_ALIA, mediante reglas de traducción formales y mecanismos de consistencia entre lógicas heterogéneas. Sobre esta base, se incorporó un proceso de búsqueda guiado por Hill Climbing para seleccionar, entre combinaciones homogéneas y heterogéneas, aquellas combinaciones de lógicas capaces de mejorar el desempeño del solver. El enfoque fue evaluado en cinco problemas representativos: N-Queens, Unbounded Knapsack Problem, Nurse Scheduling Problem, Travelling Salesman Problem y Balanced Academic Curriculum Problem. Los resultados muestran que, en cuatro de los cinco problemas, existen combinaciones heterogéneas y homogéneas que superan consistentemente al modelo inicial basado únicamente en LIA, logrando reducciones de tiempo de hasta dos órdenes de magnitud, incrementando la cantidad de instancias resueltas y disminuyendo el tiempo requerido y el uso de memoria. Estos hallazgos confirman la hipótesis de que la mezcla automática de lógicas, junto con la transformación dinámica de restricciones a partir de un modelo inicial, constituye un mecanismo eficaz para potenciar el rendimiento de solvers OMT. Además, se demuestra que sería eficaz construir un sistema general de modelamiento que ajuste automáticamente la lógica usada en cada restricción según la estructura del problema, ampliando la eficiencia, aplicabilidad y capacidad adaptativa de los métodos de optimización.

El almacenamiento de energía térmica en lechos empacados es crucial para la transición energética, requiriendo modelos precisos para optimizar su diseño. El Método de Elementos Discretos (DEM) permite simular la transferencia de calor a nivel de partícula, pero presenta el desafío de no contar con una calibración precisa para la resistencia térmica de contacto debido a factores limitantes como la rugosidad superficial. Este trabajo desarrolla una metodología de calibración térmica sistemática para la conducción partícula-partícula en lechos empacados. La metodología combina el uso de un modelo térmico numérico en una y tres dimensiones con rigurosa validación experimental. Para ello, se diseñó un montaje experimental con esferas de acero inoxidable instrumentadas con termocuplas, midiendo los perfiles axiales de temperatura en configuraciones ordenada Simple Cubic y aleatoria al aplicar calentamiento desde la base. Las simulaciones mediante DEM se ejecutaron en el software YADE, estableciendo primero el balance energético de los elementos de fluido discretizados para luego introducir las ecuaciones de los distintos mecanismos de transferencia de calor presentes: conducción directa e indirecta, radiación y convección. El proceso de calibración se basó en el ajuste iterativo del módulo de Young en la configuración ordenada para controlar el traslape mecánico, parámetro que actúa como una rigidez térmica equivalente. El valor calibrado obtenido, correspondiente a E = 1 × 10⁸ Pa, se transfirió de manera exitosa a la configuración aleatoria, logrando un excelente acople predictivo con los perfiles térmicos experimentales. Los resultados demuestran que esta metodología ancla de forma robusta la conectividad térmica a la realidad física, demostrando que un parámetro calibrado en un medio ordenado mantiene su fidelidad predictiva en empaquetamientos estadísticamente caóticos.

Whispering gallery resonators offer a versatile platform for manipulating the photonic transmission. Here, we study such a system, including periodically distributed pointlike impurities along the resonator with ring geometry. Based on an exact expression for the transmission probability we obtain here, we demonstrate that the bound states in the continuum (BICs) form from the whispering gallery modes at the high-symmetry momenta in the ring's Brillouin zone. Furthermore, the presence of the inversion symmetry allows for a selective decoupling of resonant states, favoring the BIC generation and, therefore, allowing extra tunability in the optical transmission of the system.

The functional evaluation of auditory-nerve activity in spontaneous conditions has remained elusive in humans. In animals, the frequency analysis of the round-window electrical noise recorded by means of electrocochleography yields a frequency peak at around 900 to 1000 Hz, which has been proposed to reflect auditory-nerve spontaneous activity. Here, we studied the spectral components of the electrical noise obtained from cochlear implant electrocochleography in humans.