Jacobo Ayensa Jiménez

Datos personales

Formación académica

  • Grado en Matemáticas (Universidad Politécnica de Cataluña) | 2012.
  • Máster en Ingeniería Civil, especialidad en Métodos Numéricos (Universidad Politécnica de Cataluña) | 2013.
  • Máster en Ingeniería Mecánica (Universidad de Sevilla) | 2016.
  • Doctorado en Ingeniería Mecánica, premio extraordinario (Universidad de Zaragoza) | 2022.
  • Grado en Física (UNED) (en curso).

Becas y premios

  • Beca del Gobierno de Aragón (2018 - 2022).
  • Ayuda “Juan de la Cierva” (2025 - 2027), Ministerio de Ciencia, Innovación y Universidades. Segundo puesto en el área temática a nivel nacional.

Cargos académicos y profesionales

  • Ingeniero junior, Abengoa Research (2013 - 2016).
  • Investigador predoctoral, Universidad de Zaragoza (2016 - 2017).
  • Científico de datos y desarrollador de software, Instituto Tecnológico de Aragón (2017 - 2018).
  • Investigador predoctoral, Universidad de Zaragoza (2018 - 2022).
  • Investigador postdoctoral, Instituto de Investigación Sanitaria Aragón (2022 - 2025).
  • Investigador postdoctoral (Programa Juan de la Cierva), Universidad Politécnica de Madrid (2025 - 2027).

Docencia durante 2025/26

  • Mecánica de medios continuos (ver moodle).
  • Mecánica de sólidos (ver moodle).

Líneas de investigación

Biología matemática y métodos computacionales en bioingeniería, y más concretamente:

  • Oncología matemática: Desarrollo y calibración de modelos matemáticos y computacionales para la evolución tumoral en plataformas experimentales in vitro.
  • Bioingeniería computacional: Diseño, análisis e implementación de modelos de elementos finitos para problemas biomédicos.

Aprendizaje Automático científico en Ingeniería Computacional:

  • Mecánica computacional basada en datos: Diseño e implementación de métodos data-driven.
  • Aprendizaje automático guiado por la física: Diseño, implementación y aplicación en ingeniería computacional de Physically-Guided Neural Networks with Internal Variables.

También trabajo en la aplicación de técnicas de Aprendizaje Automático desarrolladas recientemente a problemas específicos de salud, en particular imagen médica. Algunos ejemplos en los que he trabajado:

  • Detección de cáncer de pulmón (radiografías).
  • Selección y análisis de embriones (imágenes y vídeo de microscopía).
  • Anatomía patológica digital en cáncer de próstata.

Otros

Miembro de HKN - sociedad IEEE, HKN - UNED Nu Alpha.

Miembro asociado y colaborador del TME Lab @ Instituto de Investigación en Ingeniería de Aragón, TME Lab.

Publicaciones seleccionadas

  • Muñoz-Sierra, R., Ayensa-Jiménez, J., & Doblaré, M. (2025). On the application of Physically-Guided Neural Networks with Internal Variables to Continuum Problems. Mechanics of Materials, 205, 105317. https://doi.org/10.1016/j.mechmat.2025.105317

  • Pérez-Aliacar, M., Ayensa-Jiménez, J., Ranđelović, T., Ochoa, I., & Doblaré, M. (2024). Modelling glioblastoma resistance to temozolomide. A mathematical model to simulate cellular adaptation in vitro. Computers in Biology and Medicine, 180, 108866. https://doi.org/10.1016/j.compbiomed.2024.108866

  • Ayensa-Jiménez, J., Doweidar, M. H., Sanz-Herrera, J. A., & Doblaré, M. (2021). Prediction and identification of physical systems by means of physically-guided neural networks with meaningful internal layers. Computer Methods in Applied Mechanics and Engineering, 381, 113816. https://doi.org/10.1016/j.cma.2021.113816

  • Ayensa-Jiménez, J., Pérez-Aliacar, M., Randelovic, T., Oliván, S., Fernández, L., Sanz-Herrera, J. A., … & Doblaré, M. (2020). Mathematical formulation and parametric analysis of in vitro cell models in microfluidic devices: application to different stages of glioblastoma evolution. Scientific Reports, 10(1), 21193. https://doi.org/10.1038/s41598-020-78215-3

  • Ayensa-Jiménez, J., Doweidar, M. H., Sanz-Herrera, J. A., & Doblaré, M. (2018). A new reliability-based data-driven approach for noisy experimental data with physical constraints. Computer Methods in Applied Mechanics and Engineering, 328, 752-774. https://doi.org/10.1016/j.cma.2017.08.027

Consulta Google Scholar para ver la lista completa de publicaciones.

Proyectos competitivos activos