ACM SIGSIM International Conference on Principles of Advanced Discrete Simulation se centra en los fundamentos, algoritmos, infraestructuras y aplicaciones de la modelización y simulación computacional avanzada. El congreso estudia cómo representar sistemas complejos mediante modelos ejecutables, cómo acelerar y distribuir simulaciones y cómo obtener conclusiones científicas fiables a partir de experimentos computacionales. Su programa combina informática, modelización matemática, sistemas distribuidos, inteligencia artificial, gemelos digitales, optimización y análisis de incertidumbre. La convocatoria recibe artículos completos y trabajos breves originales y revisados científicamente, con publicación en actas de ACM o, para determinados trabajos seleccionados por el comité técnico, mediante una vía vinculada con una revista especializada en modelización y simulación.
El objetivo científico de ACM SIGSIM International Conference on Principles of Advanced Discrete Simulation consiste en mejorar tanto los métodos utilizados para construir modelos como las infraestructuras que permiten ejecutarlos de manera eficiente. Una simulación puede representar desde un sistema físico hasta una red, una población, una infraestructura crítica o una cadena logística, pero su utilidad depende de que el modelo sea adecuado, la ejecución sea técnicamente correcta y los resultados puedan interpretarse con rigor. El encuentro favorece investigaciones que relacionan estos componentes y que explican qué conocimientos aporta una nueva técnica respecto a métodos existentes.
Los algoritmos y las infraestructuras de simulación constituyen una de las líneas principales. Los trabajos pueden investigar sincronización, planificación, gestión de memoria, balanceo de carga, entornos de ejecución y tolerancia a fallos. Estas cuestiones resultan fundamentales cuando una simulación se distribuye entre múltiples procesadores o nodos y necesita coordinar eventos sin alterar el comportamiento que pretende representar. La investigación también puede estudiar plataformas de hardware emergentes y analizar cómo sus características modifican la organización de los algoritmos.
Los sistemas de simulación impulsados por datos forman otro eje oficial. La convocatoria incluye gemelos digitales, sistemas dinámicos dirigidos por datos y simulación simbiótica. Estas aproximaciones conectan modelos con información procedente de sistemas observados y permiten actualizar estados o parámetros durante la ejecución. Los trabajos pueden investigar arquitecturas, mecanismos de sincronización y procedimientos para integrar observaciones. La relación continua entre modelo y sistema real exige además evaluar cómo los errores de medida o los retrasos afectan a las conclusiones obtenidas.
La simulación diferenciable y su relación con aprendizaje por refuerzo constituyen otra línea explícita. Una simulación diferenciable permite calcular cómo cambian determinados resultados cuando se modifican parámetros, lo que facilita procesos de optimización y aprendizaje. Los artículos pueden desarrollar motores de simulación, métodos de estimación de gradientes y mecanismos que reduzcan el coste de entrenar agentes o ajustar modelos. Esta investigación conecta simulación tradicional con técnicas contemporáneas de inteligencia artificial.
La metodología de modelización representa un segundo gran bloque científico. Los trabajos pueden estudiar formalismos, lenguajes específicos de dominio y procedimientos que favorecen reutilización, composición y evolución de modelos. También se incluyen diseño experimental, verificación y validación, calibración, cuantificación de incertidumbre e inferencia basada en simulación. Estas técnicas permiten analizar si un modelo representa adecuadamente el fenómeno estudiado y hasta qué punto las conclusiones dependen de parámetros desconocidos o supuestos simplificadores.
Las familias y conjuntos de modelos forman otra línea de interés. En problemas complejos puede resultar insuficiente confiar en una única representación y puede ser necesario comparar diferentes modelos o combinar sus resultados. La investigación puede estudiar cómo organizar estas familias, qué métricas permiten compararlas y cómo identificar qué elementos explican las diferencias entre predicciones. La modelización exploratoria amplía esta perspectiva hacia situaciones donde el objetivo consiste en comprender un espacio de posibilidades y no únicamente producir una predicción puntual.
Las aplicaciones de simulación discreta avanzada constituyen un componente importante del programa. La convocatoria identifica biología celular, sistemas ciberfísicos, ecología, respuesta ante emergencias, sistemas energéticos, salud, fabricación, logística, sistemas inteligentes, Internet de las cosas, redes sociales, transporte, planificación urbana y redes inalámbricas o de sensores. También contempla computación cuántica. Los artículos aplicados deben utilizar métodos computacionales avanzados y extraer resultados capaces de aportar conocimiento más allá del caso concreto analizado.
La inteligencia artificial y la simulación forman un track específico. Los trabajos pueden investigar utilización de modelos generativos y otras técnicas inteligentes durante construcción, calibración y ejecución de simulaciones. También pueden estudiar simulaciones destinadas a entrenar o evaluar sistemas de inteligencia artificial. Esta relación bidireccional permite que la simulación proporcione entornos controlados para experimentar con agentes y que la inteligencia artificial automatice tareas tradicionalmente costosas dentro del ciclo de modelización.
La ciberseguridad y la gestión del riesgo cibernético constituyen otra línea especializada. Las contribuciones pueden utilizar simulación para representar atacantes, defensores, propagación de fallos, cadenas de suministro y respuesta ante incidentes. Los enfoques admitidos incluyen modelos basados en agentes, simulación de eventos discretos, modelos híbridos, gemelos digitales y análisis probabilístico. El objetivo consiste en evaluar estrategias y riesgos antes de aplicarlos sobre infraestructuras reales.
La reducción de modelos y la optimización basada en simulación completan otros temas prioritarios. La reducción busca conservar comportamientos relevantes con representaciones más económicas, mientras que la optimización utiliza simulaciones para seleccionar configuraciones bajo incertidumbre. Las contribuciones pueden estudiar asignación de presupuesto computacional, estimación de gradientes, optimización bayesiana y calibración. Estas técnicas resultan especialmente relevantes cuando cada ejecución presenta un coste elevado.
ACM SIGSIM International Conference on Principles of Advanced Discrete Simulation se dirige a especialistas en simulación, sistemas distribuidos, informática científica, inteligencia artificial, optimización y modelización. También interesa a comunidades aplicadas que utilizan experimentación computacional para estudiar sistemas complejos. ACM SIGSIM International Conference on Principles of Advanced Discrete Simulation contribuye al avance de la disciplina al integrar algoritmos, metodología, aplicaciones y reproducibilidad dentro de un marco común orientado a producir modelos y resultados computacionales más fiables.
Palabras clave: simulación, modelización, simulación discreta, algoritmos de simulación, sistemas distribuidos, sincronización, planificación, balanceo de carga, tolerancia a fallos, gemelos digitales, simulación basada en datos, simulación simbiótica, simulación diferenciable, aprendizaje por refuerzo, inteligencia artificial, metodología de modelización, lenguajes de modelización, verificación, validación, calibración, incertidumbre, inferencia, optimización, reducción de modelos, ciberseguridad, riesgo cibernético, sistemas ciberfísicos, energía, logística, fabricación, Internet de las cosas, redes sociales, transporte, computación cuántica, reproducibilidad, experimentación computacional, modelos basados en agentes, simulación de eventos, optimización bayesiana.
