Rocío Carratalá Sáez

Rocío Carratalá Sáez todavía recuerda el primer ordenador al que tuvo acceso en casa de sus abuelos cuando era niña, una máquina que le despertó «mucha curiosidad» y fue la primera semilla de su vocación por la informática. Hoy, esta investigadora de la Universidad de Valladolid trabaja en el campo de la computación de altas prestaciones, una rama que, como ella misma explica, «se centra en resolver lo que posiblemente de otro modo sería irresoluble, problemas que requieren muchísimo cómputo y que sin la potencia que existe en los superordenadores sería inabordable». Por ejemplo, simulaciones que son muy costosas computacionalmente en campos como la ingeniería o la mecánica de fluidos, análisis de grandes cantidades de datos y los actuales sistemas de inteligencia artificial.

Los superordenadores con los que trabaja Carratalá Sáez son conjuntos de máquinas que ofrecen una potencia para realizar múltiples operaciones en un tiempo razonable. El objetivo de este campo de investigación, resalta, es «intentar que el rendimiento sea lo más cercano a lo óptimo para tener los resultados cuanto antes y de la mejor forma posible». Por sus innovadoras contribuciones a la computación de altas prestaciones, Carratalá ha recibido el reconocimiento de la Sociedad Científica Informática de España y la Fundación BBVA.

En concreto, la investigadora premiada trabaja con matrices, que ella misma define como «una representación en dos dimensiones de los datos» con los que es muy fácil trabajar a nivel computacional. Se trata de «una estructura de datos muy versátil que te permite representar casi cualquier dato con el que quieras operar, y al final las operaciones matemáticas se ajustan muy bien a ese tipo de distribuciones de datos y el reparto de tareas». Dentro de esta área de especialización, Carratalá trabaja con matrices jerárquicas, que se ocupan de comprimir la información de manera que se quedan con lo más representativo para el problema y el resto de datos se descartan o se comprimen, reduciéndolos al máximo para así acelerar el proceso de cómputo.

El enfoque de su trabajo es especialmente útil, por ejemplo, para el análisis de ciertos problemas de física e ingeniería aeronáutica que facilita el diseño óptimo de aviones. Con el fin de modelizar con eficacia qué ocurre con la temperatura y la presión del aire cuando un vehículo está volando, explica Carratalá, las simulaciones con matrices jerárquicas son muy eficaces para «eliminar parte de la información menos útil», y de esta manera «el diseño de todo lo que tenga que ver con aeronaves lo puedes agilizar». Además, como las matrices jerárquicas están disponibles en bibliotecas de código abierto, «cualquiera que tenga un recurso computacional potente puede aprovecharlo de la mejor manera posible», concluye la investigadora.