Machine-Learning-Assisted Real-Time Simulations and Uncertainty Quantification for Infectious Disease Spread

Responsable: Ramírez Ramírez Lilia Leticia

El objetivo de este esfuerzo de investigación colaborativa es sentar las bases para modelos epidemiológicos estadísticos integrales y cuantificar la incertidumbre en la predicción de la propagación de enfermedades infecciosas en conectividades dinámicas globales y de autorregulación. Esta propuesta reúne la inusual amplia experiencia en estadística computacional, problemas inversos computacionales paralelos a gran escala, aprendizaje automático, cuantificación de incertidumbre y matemáticas computacionales para abordar el desafío antes mencionado. Proponemos los siguientes objetivos específicos: 1.-Desarrollar un modelo epidémico matemático-estadístico integral que tenga en cuenta transmisiones tanto locales como globales, y sus incertidumbres asociadas. Desarrollar eficiente y algoritmos computacionales precisos para simular el modo resultante. 2.- Desarrollar modelos de aprendizaje automático para acelerar la simulación, la estimación de parámetros (inversa) y problemas de cuantificación de la incertidumbre para nuestro modelo epidémico con el fin de producir tiempo real pronósticos probabilísticos confiables. 3.- Buscar e identificar valores de umbral de modelo importantes para evaluar el impacto y la eficiencia de métodos de intervención.

Autor