El Dr. Daniel Flores-Martín es Doctor en Tecnologías Informáticas por la Universidad de Extremadura (2023), con
Mención Internacional y calificación Sobresaliente Cum Laude. Previamente obtuvo el Grado en Ingeniería
Informática en Tecnologías de la Información (2017) y los Másteres Universitarios en Ingeniería Informática y en
Dirección TIC (2019), habiendo obtenido el premio al mejor expediente académico de su promoción en las tres
titulaciones.
Su trayectoria investigadora se centra en inteligencia artificial, Internet de las Cosas, cloud y edge computing,
gemelos digitales, sistemas distribuidos, ingeniería del software y supercomputación, con especial interés en el
diseño y desarrollo de plataformas software inteligentes y su aplicación en ámbitos como la salud digital, las
infraestructuras críticas y el análisis avanzado de datos. Inició su carrera investigadora mediante un contrato
competitivo FPU en la Universidad de Extremadura y actualmente desarrolla su actividad como investigador y
Responsable de Sistemas y Supercomputación en la Fundación COMPUTAEX, Centro Extremeño de
Supercomputación integrado en la Red Española de Supercomputación (RES), donde participa en la gestión y
evolución de infraestructuras HPC, cloud, almacenamiento, redes de altas prestaciones y sistemas de
monitorización.
En el ámbito de la salud digital, su actividad se ha orientado especialmente a la aplicación de inteligencia artificial,
gemelos digitales y sistemas distribuidos al procesamiento, simulación y análisis de datos y señales biomédicas.
Su experiencia abarca el ciclo completo de este tipo de soluciones, desde la adquisición e integración de datos
hasta el desarrollo y entrenamiento de modelos, su ejecución en infraestructuras HPC, el despliegue en entornos
cloud y edge, la monitorización y la validación.
Cuenta con una producción científica consolidada, con más de 45 publicaciones y contribuciones científicas y más
de 250 citas, y ha participado en más de 15 proyectos de investigación regionales, nacionales e internacionales.
Ha realizado además dos estancias internacionales de investigación y mantiene una participación activa en
actividades de revisión científica, congresos, redes de investigación, divulgación y transferencia tecnológica.
Compatibiliza su actividad investigadora con la docencia como Profesor en la Universidad de Extremadura, donde
imparte docencia en el área de Lenguajes y Sistemas Informáticos, dirige trabajos académicos y participa en
iniciativas de innovación educativa. Su perfil combina, por tanto, experiencia científica, capacidad de desarrollo
tecnológico y conocimiento de infraestructuras avanzadas de computación, permitiéndole actuar como nexo
entre los ámbitos biomédico, computacional y de infraestructuras y contribuir al desarrollo de soluciones de
inteligencia artificial robustas, reproducibles y transferibles a entornos reales.

• Flores-Martin, D., Lemus-Prieto, F., & Rico-Gallego, J. A. (2026). From edge to cloud: A modular
  middleware for hybrid digital twins. IEEE Internet Computing, 30(3), 61–72.
  https://doi.org/10.1109/MIC.2026.3688189
  • Flores-Martin, D., Rodriguez-Cabanillas, A., & Berrocal, J. (2026). Evaluating software platforms for digital
  twin creation: Features, capabilities, and tradeoffs. IT Professional, 28(2), 57–66.
  https://doi.org/10.1109/MITP.2026.3661302
  • Laso, S., Herrera, J. L., & Flores-Martin, D. (2026). Medical support platform for melanoma analysis and
  detection based on federated learning. Scientific Reports, 16, 2571. https://doi.org/10.1038/s41598-
  025-32453-5
  • Flores-Martin, D., Díaz-Barrancas, F., Pardo, P. J., Berrocal, J., & Murillo, J. M. (2025). ECGTwinMentor: A
  digital twin-based system for personalized ECG learning and support. SoftwareX, 32, 102398.
  https://doi.org/10.1016/j.softx.2025.102398
  • Flores-Martin, D., Rentero-Trejo, R., Galán-Jiménez, J., García-Alonso, J., Berrocal, J., & Murillo Rodríguez,
  J. M. (2025). Recommendation and distillation of IoT multi-environments. Journal of Computer
  Information Systems, 65(4), 428–441. https://doi.org/10.1080/08874417.2023.2298223