- Trabajo actual:
- Regresión simbólica para el descubrimiento científico: métodos guiados por conocimiento previo para recuperar ecuaciones a partir de datos científicos multivista, aplicados al metabolismo oceánico (GECCO 2025, GECCO 2026, PPSN 2026).
- Sistemas dinámicos: una arquitectura transformer que infiere las ecuaciones que gobiernan sistemas dinámicos forzados directamente a partir de trayectorias observadas.
- Modelos de lenguaje y agentes: modelos de lenguaje eficientes y el costo de ejecutarlos, evaluación rigurosa de agentes basados en LLMs, LLMs combinados con búsqueda evolutiva.
- Trabajo anterior en Inria Chile:
- Detección de anomalías para identificar AGNs de estado cambiante en grandes catastros astronómicos.
- Deep learning generativo (autoencoders variacionales) para estimar abundancias químicas estelares a partir de espectros sin modelos físicos, aplicado a la búsqueda de estrellas químicamente peculiares en grandes catastros espectroscópicos.
- Redes neuronales de grafos para el pronóstico de heladas.
- Deep learning para imágenes de plancton y monitoreo de deforestación.
- Aprendizaje por refuerzo para navegación autónoma a vela.
- Tecnologías del lenguaje, incluyendo traducción español–mapudungun y escritura asistida por LLMs para estudiantes, y sesgos culturales de los LLMs en América Latina.
- Papers:
- Prior Coverage and Search Bias in Multiview Symbolic Regression. PPSN 2026. 2026.
- Prior-Informed Symbolic Regression for Multiview Scientific Discovery. GECCO 2026. 2026.
- Leveraging Wikidata for Geographically Informed Sociocultural Bias Dataset Creation: Application to Latin America. First Workshop on Multilingual Multicultural Evaluation (MME). 2026.
- Spanish-Mapudungun Translation using Transfer Learning for Low-resource Languages. IEEE ICPRS 2025. 2025.
- Toward model-free stellar chemical abundances: Potential applications in the search for chemically peculiar stars in large spectroscopic surveys. Astronomy & Astrophysics 704, A279. 2025.
- A Hierarchical Multiview Symbolic Regression Method for Decoding Oceanic Metabolism. GECCO 2025 Companion. 2025.
- Capturing the Essence of Plankton: A Gradient-Weighted Class Activation Mapping Analysis. IBERAMIA 2024. 2024.
- FairTrees: A Deep Learning Approach for Identifying Deforestation on Satellite Images. IBERAMIA 2024. 2024.
- No Plankton Left Behind: Preliminary results on massive plankton image recognition. Latin American High Performance Computing Conference (CARLA). 2024.
- Reinforcement-learning robotic sailboats: simulator and preliminary results. 6th Robot Learning Workshop, NeurIPS 2023. 2023.
- Enhancing Writing Skills of Chilean Adolescents: Assisted Story Creation with LLMs. GAIED Workshop, NeurIPS 2023. 2023.
- A Graph Neural Network with Spatio-temporal Attention for Multi-sources Time Series Data: An application to Frost Forecast. Sensors 22 (4). 2022.
- Searching for changing-state AGNs in massive datasets–I: applying deep learning and anomaly detection techniques to find AGNs with anomalous variability behaviours. The Astronomical Journal 162 (5). 2021.
- Frost forecasting model using graph neural networks with spatio-temporal attention. AI: Modeling Oceans and Climate Change Workshop, ICLR 2021. 2021.
- A Human-centric and Environment-aware Testing Framework for Providing Safe and Reliable Cyber-Physical System Services. Journal of Web Engineering 19 (2). 2020.
- Simultaneous feature selection and heterogeneity control for SVM classification: An application to mental workload assessment. Expert Systems with Applications 143. 2020.
- Environment-aware and human-centric software testing framework for cyber-physical systems. ICWE 2019. 2019.
- Mental Workload Assessment in Smartphone Multitasking Users: A Feature Selection Approach using Physiological and Simulated Data. IEEE/WIC/ACM Web Intelligence (WI) 2018. 2018.
- Using Psychophysiological Sensors to Assess Mental Workload During Web Browsing. Sensors 18 (2). 2018.
- Towards a continuous assessment of cognitive workload for smartphone multitasking users. First International Symposium on Human Mental Workload, Dublin. 2017.
- Conferencias y Charlas:
- Presenté un paper en la conferencia GECCO. 2025.
- Presenté dos papers en la conferencia IBERAMIA 2024
- Dí una charla en el 4to Congreso Tecnólogico Indígena
- Participé en la conferencia de datos SIGMOD/PODS 2024
- Participé como autor en la conferencia NeurIPS 2023
- Inria Journées Scientifiques 2023 Navigating Complexity: Autonomous Sailing via Multi-objective Reinforcement Learning
- Inria Journées Scientifiques 2022 Anomaly Detection for Real-time Identification of Changing-State AGNs in Massive Datasets
- 2nd Conference on Space and Artificial Intelligence 2021 organized by CLAIRE and ESA
- Participé como autor en la conferencia ICLR 2021
- Participé como autor en la conferencia International Conference on Web Engineering 2019
- Participé como autor en la conferencia internacional Web Intelligence 2018
Soy Investigador Científico en IA en Inria Chile. Mi investigación se centra en el aprendizaje automático para el descubrimiento científico: métodos que recuperan ecuaciones interpretables a partir de datos, y los modelos de lenguaje y agentes que pueden ayudar a automatizar ese proceso de forma eficiente.
CV | Google Scholar | Github | Twitter | LinkedIn | Email
Antes, en la Universidad de Chile, desarrollé modelos de aprendizaje automático que evalúan la carga mental durante la interacción humano-computador a partir de datos de sensores fisiológicos. En el Web Engineering Lab de KAIST, apliqué modelos y arquitecturas cognitivas para construir un modelo computacional de la carga cognitiva de los usuarios orientado al desarrollo de software, y desarrollé marcos de prueba para sistemas ciberfísicos.
Magíster en Ciencias de la Computación, KAIST · Ingeniería, Universidad de Chile.
Breve Biografía Académica
Hernán Lira es Investigador Científico en IA en Inria Chile, donde trabaja en aprendizaje automático para el descubrimiento científico. Su investigación abarca la regresión simbólica guiada por conocimiento previo, que recupera ecuaciones interpretables a partir de datos científicos, con aplicaciones al metabolismo oceánico; modelos transformer que infieren las ecuaciones que gobiernan sistemas dinámicos a partir de trayectorias observadas; y modelos de lenguaje y agentes eficientes, incluyendo cómo evaluarlos y cómo combinarlos con búsqueda evolutiva. Su trabajo ha sido publicado en GECCO y PPSN, y en Astronomy & Astrophysics y The Astronomical Journal, entre otros. Es Magíster en Ciencias de la Computación de KAIST, donde fue becario en el Web Engineering Lab, e Ingeniero de la Universidad de Chile, donde comenzó su carrera de investigación en 2015 en el Instituto de Sistemas Complejos de Ingeniería (ISCI).
English