Experiencia profesional y de código abierto
Mi trabajo conecta los sistemas de IA generativa, los kernels numéricos y la arquitectura de computadores. Mi experiencia anterior abarca programación vectorial RISC-V, SIMD en ARM, ejecución multinúcleo, instrumentación y sistemas de control.
Ingeniero de rendimiento de IA · IA generativa (I+D)
Puesto actual
Mi trabajo actual de I+D se centra en el software y el rendimiento de ejecución de los sistemas de IA generativa.
- Desarrollo y optimización de kernels de cómputo de bajo nivel y adaptación de runtimes para aplicaciones de IA y aprendizaje automático en aceleradores de hardware.
- Desarrollo de sistemas de ingeniería con agentes para automatizar tareas de optimización del rendimiento.
- Benchmarking, profiling y análisis de sistemas de IA, con preparación de informes técnicos de resultados.
- Diseño, implementación, pruebas y mantenimiento de software para productos de IA y plataformas internas de ingeniería.
- Participación en investigaciones técnicas, soporte a entregas, documentación, revisión de código y transferencia de conocimiento.
Mis herramientas actuales incluyen vLLM, CUDA, C++ y Clang.
Desarrollador de código abierto · rv-sparse
Inicio: junio de 2026 · Remoto · Colaboración finalizada
Contribuí a rv-sparse a través de un programa de The Linux Foundation, patrocinado por RISC-V International. Repositorio del proyecto y créditos de contribución.
- Contribuí al desarrollo de una biblioteca de álgebra lineal dispersa de código abierto para la extensión vectorial de RISC-V (RVV), con atención a la ejecución vectorizada, el acceso a memoria y la portabilidad entre procesadores compatibles con RVV.
- Apliqué vectorización, reestructuración de bucles y decisiones de disposición de datos a implementaciones de kernels dispersos adaptadas al hardware.
- Trabajé en la preparación de una evaluación orientada a investigación que abarcara validación de corrección, pruebas de rendimiento y documentación de las decisiones de diseño.
Ingeniero de investigación · Universitat Politècnica de València (UPV)
Enero de 2021 – abril de 2024 · Valencia, España
- Desarrollo y optimización de kernels GEMM, MatMul y convoluciones basadas en GEMM de tipo BLAS/BLIS para inferencia de aprendizaje profundo en procesadores ARM y RISC-V de bajo consumo.
- Optimización de bucles de cómputo mediante intrínsecos ARM NEON y RVV, desenrollado de bucles, ajustes a nivel de instrucción y transformaciones de la disposición de datos.
- Paralelización de kernels con OpenMP y aplicación de bloques y planificación de trabajo considerando las jerarquías de caché y memoria.
- Integración y validación de kernels en entornos RTOS bajo restricciones de memoria y tiempo real; desarrollo de herramientas Python/Bash para comprobar la corrección, realizar pruebas de rendimiento y detectar regresiones.
Evidencia relacionada: proyecto de multiplicación de matrices · análisis técnico en profundidad.
Prácticas de desarrollo · Institute for Molecular Recognition and Technological Development (IDM)
Mayo de 2019 – enero de 2020 · Valencia, España
- Modelado de sistemas en MATLAB e implementación de los modelos validados en C/C++ sobre microcontroladores AVR.
- Desarrollo y validación de instrumentación electrónica para adquirir señales analógicas y digitales.
- Implementación de componentes digitales en Verilog, verificación de su comportamiento funcional y análisis estático de temporización respecto de las restricciones de diseño.
Ingeniero de aplicaciones · KEA Electronics
Enero de 2017 – junio de 2018 · Ecuador
- Integración de sensores en plataformas UAV mediante I2C, SPI, CAN y UART; desarrollo de componentes embebidos y automatización en Python para la adquisición de datos.
- Desarrollo de flujos de procesamiento de ortofotografías con Python y QGIS, y apoyo a la administración de servidores de procesamiento y almacenamiento.
Prácticas de I+D y asistente de investigación · UTPL
Agosto de 2015 – junio de 2017 · Ecuador
- Diseño y validación de funciones de control óptimo para regular la posición de las falanges y la fuerza de agarre de una mano robótica.
- Implementación de funciones de control en plataformas embebidas ARM/AVR y análisis de los resultados experimentales para evaluar la estabilidad y el rendimiento.
Proyectos de investigación en la UPV
Contribuí como Research Assistant & Engineer a trabajos respaldados por programas de investigación europeos y españoles. Los periodos siguientes corresponden a la duración oficial de los proyectos; las fechas de mi puesto en la UPV figuran por separado más arriba.
eFlows4HPC · Horizon 2020 / EuroHPC
Periodo del proyecto: enero de 2021 – febrero de 2024 · Acuerdo 955558
eFlows4HPC desarrolló métodos y software para flujos de trabajo que combinan HPC, análisis de datos y aprendizaje automático, con la UPV entre sus socios. Mi trabajo relacionado abarcó multiplicación de matrices de tipo BLIS y análisis del rendimiento en procesadores de bajo consumo; los papers correspondientes reconocen esta financiación.
Registro del proyecto en la Comisión Europea · Paper de GEMM y agradecimientos · Paper de análisis del rendimiento.
Aceleración de aprendizaje automático de bajo consumo · TED2021-129334B-I00
Periodo del proyecto: diciembre de 2022 – agosto de 2025 · AEI / UE NextGenerationEU–PRTR
El proyecto, titulado oficialmente Aceleración de algoritmos de aprendizaje automático en microcontroladores y microprocesadores de consumo ultra-reducido, respaldó la investigación en aprendizaje automático eficiente para procesadores con recursos limitados. Mis publicaciones relacionadas abordan convoluciones paralelas basadas en GEMM y fusión para reducir la comunicación en GAP8. El paper de convolución paralela de 2024 me atribuye la implementación de GEMM y la ejecución de los experimentos.
Registro del proyecto en la UPV · Convolución paralela: financiación y contribuciones · Publicación sobre fusión de convoluciones.
HPC consciente del consumo energético para aprendizaje profundo · PID2020-113656RB-C22
Periodo del proyecto: septiembre de 2021 – febrero de 2025 · Agencia Estatal de Investigación (AEI)
Este proyecto de investigación de la UPV aborda la computación y las comunicaciones de altas prestaciones conscientes del consumo energético, con aplicaciones al aprendizaje profundo computacional. Mi trabajo relacionado estudió kernels numéricos, tráfico de memoria y ejecución en procesadores de bajo consumo. El proyecto recibió financiación nacional española para investigación.
Registro del proyecto en la UPV · Reconocimiento de financiación.
Evidencia de investigación
Cómputo matricial en RISC-V · 2022
El trabajo de 2022 examina GEMM entero de tipo BLIS en el Fabric Controller de GAP8 y el rendimiento de aplicaciones numéricas en el extremo. El caso de estudio asociado distingue la implementación publicada de los ejemplos educativos y de las optimizaciones propuestas.
A BLIS-like matrix multiplication for machine learning in the RISC-V ISA-based GAP8 processor · Póster de investigación (PDF).
Algoritmos de convolución para aprendizaje profundo · 2024
Las publicaciones de 2024 abordan las convoluciones paralelas basadas en GEMM en procesadores RISC-V multinúcleo y la fusión de convoluciones para reducir la comunicación en GAP8, conectando el diseño de algoritmos, la ejecución paralela y el movimiento de datos.
Parallel GEMM-based convolution for deep learning on multicore RISC-V processors · Communication-Avoiding Fusion of GEMM-Based Convolutions for Deep Learning in the RISC-V GAP8 MCU.
Sensores embebidos y procesamiento neuronal
El registro del trabajo de fin de máster describe un sistema embebido para evaluar la maduración de la carne mediante sensores de impedancias y procesamiento neuronal. Las publicaciones anteriores abordan aplicaciones de control, sensores y automatización.
Registro institucional del trabajo · Lista completa de publicaciones.
Investigación doctoral · 2025
La tesis doctoral reúne el trabajo sobre cómputo matricial y algoritmos de convolución para aprendizaje profundo en procesadores RISC-V de bajo consumo. El doctorado finalizó en 2025.
Mi investigación doctoral contó con una beca Santiago Grisolía de la Generalitat Valenciana, reconocida en las publicaciones de investigación.
Registro de la tesis doctoral.
Formación técnica seleccionada
- PATC@BSC: Parallel Programming (MPI/OpenMP); Performance Analysis & Tools.
- LRZ/NVIDIA DLI: Deep Learning Week, con contenido sobre Transformers y trabajo con múltiples GPU.