Incidencia en los ODS ONU
Intereses de investigación
• Metalurgia
•
Propiedades Mecánicas
•
Aleaciones
•
Aprendizaje de Máquina
•
Fractura
Semblanza
La Dra. Miriam Aguilar Sánchez es Profesora-Investigadora en la Universidad Autónoma Metropolitana, Unidad Azcapotzalco, donde ha estado adscrita desde 2005. Su formación académica incluye una Ingeniería en Metalurgia, una Maestría y un Doctorado en Ciencia e Ingeniería de Materiales, con un enfoque de investigación amplio que abarca la obtención de materiales mediante procesos de fundición y electroquímicos, así como el estudio de sus propiedades mecánicas a través de la modificación microestructural.
A lo largo de su carrera en la UAM, ha tenido la oportunidad de contribuir en diversos ámbitos, desde la selección de proyectos en el PRODEP hasta la participación en los Consejos Universitarios y el liderazgo administrativo como Jefa del Departamento de Materiales. En cuanto a la formación de nuevos profesionales, ha sido mentora de 10 estudiantes de licenciatura y 2 de maestría, guiándolos en proyectos que exploran los fundamentos y aplicaciones avanzadas de la ciencia de materiales.
Su experiencia también incluye colaboraciones con la industria; recientemente desarrolló un proyecto para la empresa Flexitech, evaluando el rendimiento y resistencia de una película de Zn-Ni depositada, optimizada para mejorar su durabilidad en aplicaciones industriales. Además, en los últimos años, ha expandido su investigación al estudio de las propiedades de materiales soldados y, recientemente, ha incursionado en un grupo de trabajo interdisciplinario que evalúa propiedades mecánicas de los metales a través de algoritmos de Inteligencia Artificial. Este esfuerzo ha dado su primer fruto con la publicación del artículo titulado "A new machine learning-based evaluation of ductile fracture" en la revista Engineering Fracture Mechanics. Esta línea de investigación innovadora responde a la necesidad de herramientas modernas en la evaluación de materiales, integrando tecnología avanzada para mejorar la comprensión y predicción de su comportamiento en diversas aplicaciones.
Información proporcionada por el personal académico
