Biblioteca computacional PySESM

Como parte del cumplimiento de los objetivos específicos del proyecto, se desarrolló una biblioteca computacional de acceso abierto denominada PySESM (Python Sparse-Encoded Surrogate Model), orientada a la construcción, entrenamiento y evaluación de modelos sustitutos basados en codificación dispersa y aprendizaje de diccionarios. La biblioteca constituye la implementación computacional integral de la metodología SESM y representa uno de los principales productos generados durante la ejecución del proyecto. El desarrollo de PySESM responde a la necesidad de disponer de una herramienta reproducible, extensible y de libre acceso que facilite la aplicación del modelo SESM en problemas de optimización, simulación y análisis de funciones de alto costo computacional. De esta manera, la biblioteca contribuye directamente al cumplimiento de los objetivos relacionados con la transferencia tecnológica, la reproducibilidad científica y la validación experimental de las mejoras metodológicas propuestas. Adicionalmente, la biblioteca fue desarrollada utilizando una formulación matricial de los algoritmos y estructuras de datos, permitiendo aprovechar operaciones vectorizadas sobre matrices y tensores para incrementar la eficiencia computacional y facilitar la escalabilidad hacia problemas de mayor dimensión. Un aspecto relevante de la implementación corresponde al uso de derivación automática (automatic differentiation) mediante la infraestructura provista por PyTorch. Esta característica permite calcular automáticamente los gradientes requeridos durante el entrenamiento del modelo, evitando la derivación simbólica manual de las funciones de pérdida y facilitando la incorporación de nuevas familias de funciones base dentro del diccionario. Como consecuencia, la biblioteca presenta una mayor flexibilidad para la experimentación metodológica, estabilidad numérica durante el proceso de optimización y capacidad para abordar modelos con un número elevado de parámetros.