Vol. 36 Núm. 2 (2023): Revista ION
Artículos

Horizontes de innovación tecnológica en la industria de alimentos: datos sintéticos y computación cuántica para el futuro inmediato y a largo plazo

PDF
  • Camilo Andres Castro Lopez
Camilo Andres Castro Lopez
AlianzaTeam USA
DOI: https://doi.org/10.18273/revion.v36n2-2023007

Publicado 2023-09-30

Palabras clave

  • Inteligencia artificial,
  • Transformación tecnológica,
  • tecnología de alimentos

Cómo citar

Castro Lopez, C. A. (2023). Horizontes de innovación tecnológica en la industria de alimentos: datos sintéticos y computación cuántica para el futuro inmediato y a largo plazo. Revista ION, 36(2), 101–107. https://doi.org/10.18273/revion.v36n2-2023007

Derechos de autor 2023 Camilo Andres Castro Lopez

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Resumen

El artículo describe a modo de opinión la transformación tecnológica en la industria alimentaria, destacando la influencia positiva de la inteligencia artificial y la generación de datos sintéticos para mejorar la calidad de los productos y optimizar procesos. Se abordan los desafíos de la implementación de la IA, junto con la prometedora aplicación de la computación cuántica en la resolución de problemas complejos. Se presentan ejemplos concretos de la generación de datos sintéticos en la detección de enfermedades en plantas y la predicción de temperatura en la cadena de frío. Se subraya la importancia de estas tecnologías para respaldar la toma de decisiones, mejorar la seguridad y calidad de los alimentos, y se reconoce que la computación cuántica, a pesar de sus desafíos actuales, promete ser una herramienta revolucionaria en la industria alimentaria.

PDF

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. Monteiro J, Barata J. Artificial Intelligence in Extended Agri-Food Supply Chain: A Short Review Based on Bibliometric Analysis. Procedia Computer Science. 2021;192:3020- 3029. doi.org/10.1016/j.procs.2021.09.074
  2. Ramirez E, Vilchez J, Thakar C, Phasinam K, Kassanuk T, Naved M. A review on role of artificial intelligence in food processing and manufacturing industry. Materials Today: Proceedings. 2022;51:2462-2465. doi. org/10.1016/j.matpr.2021.11.616
  3. Kudashkina K, Corradini MG, Thirunathan P, Yada RY, Fraser E. Artificial Intelligence technology in food safety: A behavioral approach. Trends in Food Science & Technology. 2022;123:376- 381. doi.org/10.1016/j.tifs.2022.03.021
  4. Khan R. Artificial Intelligence and Machine learning in Food Industries: A Study. Journal of Food Chemistry & Nanotechnology. 2022;7:60- 67.
  5. Webber M, Elfving V, Weidt S, Hensinger WK. The Impact of Hardware Specifications on Reaching Quantum Advantage in the Fault Tolerant Regime. AVS Quantum Computing. 2022;4:1-22. doi.org/10.1116/5.0073075
  6. Byrum J. Quantum computing may help to solve the global food security problem (sitio en internet). AgFunder News. Disponible en https:// agfundernews.com/quantum-computing-answer-to-the-global-food-security-problem. Acceso el 30 de septiembre de 2023.
  7. Nikolenko SI. Synthetic Data for Deep Learning. Springer International Publishing; 2021. doi. org/10.1007/978-3-030-75178-4
  8. Aldoseri A, Al-Khalifa KN, Hamouda AM. (2023). Re-Thinking Data Strategy and Integration for Artificial Intelligence: Concepts, Opportunities, and Challenges. Appl. Sci. 2023;13:7082-7115. doi.org/10.20944/preprints202305.1565.v1
  9. Padmanabhuni SS, Gera P. Synthetic Data Augmentation of Tomato Plant Leaf using Meta Intelligent Generative Adversarial Network: Milgan. International Journal of Advanced Computer Science and Applications, 2022;13:230-238. doi.org/10.14569/ IJACSA.2022.0130628
  10. Loisel J, Cornuéjols A, Laguerreb O, Tardetc M, Cagnon D, Duchesne O, et al. Machine learning for temperature prediction in food pallet along a cold chain: Comparison between synthetic and experimental training dataset. Journal of Food Engineering. 2022;335:111156-111167. doi. org/10.1016/j.jfoodeng.2022.111156
  11. Wisnosky D, Asaithambi A. Solving Classical Computing Problems Via Quantum Computing – SOARS 2021. SOARS Virtual Conference. Disponible en: https://unfsoars.domains.unf. edu/2021/posters/solving-classical-computing-problems-via-quantum-computing/. Acceso el 30 de septiembre de 2023.
  12. Ajagekar, A. New frontiers of quantum computing in chemical engineering. Korean Journal of Chemical Engineering. 2022;39:811- 820. doi.org/10.1007/s11814-021-1027-6
  13. Faro I, Johnson B. IBM Quantum delivers 120x speedup of quantum workloads with Qiskit Runtime. IBM.com. Disponible en https://research.ibm.com/blog/120x-quantum-speedup?lnk=ushpv18re2. Acceso el 30 de septiembre de 2023.