Juan Moisés Arredondo Velázquez
Investigador Titular "Cinvestav 2C ", SNII nivel C
Departamento: Cinvestav Tamaulipas
Teléfono: 834 107 0220. Ext 1106
Correo electrónico: juan.arredondo@cinvestav.mx
Semblanza:
Doctor en Ciencias de la Ingeniería egresado en 2020 del Tecnológico Nacional de México en Celaya. Se especializa en el desarrollo de arquitecturas digitales para redes neuronales de convolución (RNC). Ha realizado investigaciones relevantes tanto en el área de aceleradores hardware para RNC sobre sistemas con recursos limitados, así como aquellas relacionadas a la instrumentación científica para experimentos de física de partículas. De 2021 a 2025 realizó una estancia postdoctoral en la Benemérita Universidad Autónoma de Puebla, México, donde desarrolló un nuevo convertidor de tiempo a digital de bajos recursos hardware con un rendimiento equiparable a las propuestas actuales que emplean tecnología de gama superior. Ha dirigido tesis relacionadas con el procesamiento eficiente de RNC empleando FPGAs. También, aquellas orientadas a la optimización de RNCs para clasificación de señales EMG y reducción de ruido en imágenes médicas mediante redes neuronales artificiales. Actualmente es Investigador CINVESTAV y miembro del Sistema Nacional de Investigadores (SNII-SECIHTI). Sus intereses de investigación actuales incluyen: Arquitecturas de aceleradores de hardware para redes neuronales de convolución, computación reconfigurable, aprendizaje profundo e instrumentación científica aplicada a experimentos de física de partículas.
Líneas de investigación:
- Diseño de arquitecturas hardware: Los modelos de redes neuronales de convolución tienen una elevada complejidad computacional por lo que es de interés científico el poder formular aceleradores hardware que permitan, principalmente a dispositivos de recursos hardware limitados, operar estos modelos con una alta eficiencia en términos de tiempo de procesamiento, aprovechamiento de recursos y energía.
- Instrumentación científica: Por medio de la propuesta y evaluación de nuevas arquitecturas hardware implementadas sobre dispositivos FPGA se busca realizar mediciones precisas de intervalos de tiempo a partir de señales digitales con el propósito de estimar el tiempo de vuelo y carga de partículas en ambientes radioactivos. Particularmente, los convertidores de tiempo a digital (TDC, por sus siglas en inglés) son el principal aspecto de estudio en esta línea.
Proyectos relevantes:
Diseño de un sistema de disparo para el monitoreo de energía y tiempo de un haz de radiación. Proyecto apoyado por CONACyT a través del Instituto de Ciencias Nucleares de la Universidad Nacional Autónoma de México bajo la concesión PA PIIT-IG 100322 y el Proyecto “Diseño, simulación e instrumentación de un monitor de haz para un acelerador de partículas” de la Vicerrectoría de Investigación y Estudios de Posgrado de la Benemérita Universidad Autónoma de Puebla.
Publicaciones recientes y/o relevantes:
- Arredondo-Velázquez, M., Guadarrama, R., Rebolledo-Herrera, L., Zepeda-Fernández, H., & Moreno-Barbosa, E. (2025). Single measurement wave union time-to-digital converter with a subsampling-scheme-based codification. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, 170201.
- Arredondo-Velázquez, M., Rebolledo-Herrera, L., Zepeda-Fernández, H., & Moreno-Barbosa, E. (2023). Trimmed-TDL-Based TDC architecture for Time-of-Flight measurements tested on a Cyclone V FPGA. IEEE Transactions on Instrumentation and Measurement.
- Arredondo-Velázquez, M., Rebolledo-Herrera, L., Alonso, B. D. C., & Moreno-Berbosa, E. (2023). Potential Use of State-of-the-Art TDCs for Particle Identification in Particle Physics Experiments. IEEE Instrumentation & Measurement Magazine, 26(6), 13-20.
- Arredondo-Velázquez, M., Aguirre-Álvarez, P. A., Padilla-Medina, A., Espinosa-Calderon, A., Prado-Olivarez, J., & Diaz-Carmona, J. (2022). Flexible Convolver for Convolutional Neural Networks Deployment onto Hardware-Oriented Applications. Applied Sciences, 13(1), 93.
- Arredondo-Velázquez, M., Diaz-Carmona, J., Barranco-Gutierrez, A. I., & Torres-Huitzil, C. (2020). Review of prominent strategies for mapping CNNs onto embedded systems. IEEE Latin America Transactions, 18(05), 971-982.
- Arredondo-Velázquez, M., Diaz-Carmona, J., Torres-Huitzil, C., Padilla-Medina, A., & Prado-Olivarez, J. (2020). A streaming architecture for Convolutional Neural Networks based on layer operations chaining. Journal of Real-Time Image Processing, 1-19.