Los fenómenos de propagación de pulsos no guiados de alta intensidad en el aire, presentan un conjunto de efectos físicos sobre las características espectrales y temporales de la luz propagante, que pueden ser aprovechados para la caracterización e identificación de diferentes sustancias químicas, suspendidas o en fase gaseosa, presentes en el aire. La alta intensidad del campo eléctrico en el canal de propagación, aporta las condiciones adecuadas para lograr ionización de ciertas sustancias químicas compuestas o simples, que a su vez cambian las características del medio de propagación y dominan un conjunto de efectos no lineales capaces de modificar las componentes espectrales del pulso inicial, así como la distribución espacial de las intensidades de campo electromagnético . En principio, la revisión a cada uno de los efectos de las sustancias que componen el aire sobre las características de propagación del haz de luz podría permitir la identificación de su presencia y en función de la magnitud de los cambios, determinar su concentración. Sin embargo, la complejidad de los procesos de caracterización en este escenario, radica en la cantidad de sustancias químicas y características moleculares que pueden estar presentes de manera conjunta, en concentraciones desconocidas y con interacciones no-lineales propias en una muestra de aire cualesquiera, aportando numerosas variables al resultado final del proceso de propagación y dificultando la caracterización e identificación de las sustancias nocivas de interés. En este punto, el presente proyecto busca incorporar distintas técnicas de machine learning y deep learning, enmarcadas en los desarrollos actuales de la inteligencia artificial, para contribuir a la identificación de los parámetros requeridos en los procesos de caracterización experimental y sus correspondientes correlaciones teóricas, a partir de la formulación de un modelo híbrido, que recoja los principios físicos de la propagación electromagnética de pulsos ultracortos de alta intensidad con la asociación estocástica de algunos de los parámetros de propagación (velocidad de grupo, índice de plasma, tiempo característico, índice de refracción no-lineal, entre otros), que permitan establecer una metodología de caracterización de la composición del aire y la asociación con sustancias nocivas que degraden su calidad o puedan ser una amenaza para la salud pública. El proyecto se compone inicialmente de un análisis teórico y numérico de los diferentes efectos ópticos no lineales sobre la propagación de pulsos ultra-cortos en la atmósfera en función de lo que ha sido reportado previamente en la literatura. Posteriormente, se implementarán técnicas numéricas para la estimación de dichos efectos en diferentes regímenes de propagación, de manera que se tenga una base fenomenológica del modelo. En una siguiente etapa se identificarán aquellas relaciones paramétricas o parámetros particulares que puedan ser usados en procesos de clasificación y regresión estadística a partir de implementaciones de algoritmos de Machine Learning/Deep Learning que permitan la caracterización de la presencia de diferentes sustancias en las muestras de aire. Finalmente, se integrarán ambas aproximaciones metodológicas en la proposición de un modelo híbrido para la caracterización de la calidad del aire en el valle de Aburrá en función de la presencia de sustancias o coloides nocivos para la salud humana, los animales o las plantas.