La investigación premiada, Deep Learning and Advanced Imaging for the Characterization of Cellular Polymers, aborda tres técnicas para la caracterización de materiales porosos. La primera es NeuraCell, una nueva herramienta desarrollada por el grupo CellMat de la UVa, basado en deep learning y redes neuronales. La segunda es la técnica Scanning Electron Microscopy (SEM) y la tercera es la fotogrametría.

NeuraCell, desarrollada por un equipo del Laboratorio de Materiales Celulares (CellMat) de la UVa y licenciada por CellMat Technologies, se basa en inteligencia artificial y es capaz de analizar, con gran precisión y en cuestión de segundos, la estructura interna de los materiales poliméricos porosos como son las espumas aislantes o los materiales ligeros usados en automoción y biomedicina.

La gran novedad que aporta la herramienta está relacionada con la reducción de los tiempos y la precisión sin errores ya que es capaz de realizar el análisis en tan solo 7 segundos mientras que el mismo trabajo llevado a cabo por un técnico de laboratorio le llevaría más de una horar. Asimismo, al automatizarse el proceso se reduce al máximo la subjetividad y la posibilidad de error.

La herramienta, desarrollada por los investigadores de la UVa Jorge Torre, Miguel Ángel Rodríguez y Javier Pinto; cuenta en la actualidad con más de 60 usuarios entre los que se encuentran la Universidad de Granada, el CSIC y el Imperial Collegue London, entre otros.