Vodafone

En comparación con los microscopios de luz convencionales, los microscopios de rayos X (TXM) pueden ver muestras con una resolución mucho mayor, revelando detalles extraordinarios. Los investigadores en una amplia gama de campos científicos utilizan TXM para ver la composición química y estructural de sus muestras, desde celdas biológicas hasta materiales de almacenamiento de energía. Ahora, los científicos de National Synchrotron Light Source II (NSLS-II) —una oficina de ciencia del Departamento de Energía del Departamento de Energía de los EE. UU—  han desarrollado un TXM que puede obtener imágenes 10 veces más rápido que antes. Ha sido posible en el Laboratorio Nacional Brookhaven y su investigación se publica en Applied Physics Letters. «Hemos mejorado significativamente la velocidad de los experimentos de microscopía de rayos X», dijo Wah-Keat Lee, científico líder de la línea de haz de Imágenes de Rayos X de Campo Completo (FXI) de NSLS-II , donde se construyó el microscopio.Wah-Keat Lee y sus colegas redujeron el tiempo que tarda un TXM en obtener muestras de imágenes en 3D de más de 10 minutos a solo un minuto, mientras que aún producen imágenes con una excepcional resolución 3D, por debajo de 50 nanómetros o 50 mil millonésimas de una metro. «Este avance permitirá a los científicos visualizar sus muestras mucho más rápido en FXI que en instrumentos similares en todo el mundo», dijo Lee.
Además de reducir el tiempo que lleva completar un experimento, un TXM más rápido puede recopilar datos más valiosos de las muestras. Los científicos utilizaron la línea de haz de imágenes de rayos X de campo completo de NSLS-II para crear una animación en 3D del crecimiento de dendritas de plata en cobre durante una reacción química. (Imágenes: Brookhaven National Laboratory) «El santo grial de casi todas las técnicas de imagen es poder ver una muestra en 3-D y en tiempo real», dijo Lee. “La velocidad de estos experimentos es relevante porque queremos observar cambios que ocurren rápidamente. Hay muchos cambios estructurales y químicos que ocurren en diferentes escalas de tiempo, por lo que un instrumento más rápido puede ver mucho más. Por ejemplo, tenemos la capacidad de rastrear cómo se produce la corrosión en un material, o cómo de bien están funcionando las distintas partes de una batería «. Para ofrecer estas capacidades en FXI, el equipo necesitaba construir un TXM utilizando los últimos desarrollos en nano posicionamiento ultrarrápido (un método para mover una muestra al tiempo que limita las vibraciones), la detección (un método para rastrear el movimiento de la muestra) y el control.El nuevo microscopio se desarrolló internamente en Brookhaven Lab a través de un esfuerzo de colaboración entre los ingenieros, el personal de la línea de luz y los equipos de investigación y desarrollo en NSLS-II.
Los investigadores dijeron que el desarrollo de capacidades súper rápidas en FXI también dependía en gran medida del diseño avanzado de NSLS-II.

Un equipo de investigadores del MIT ha creado un dispositivo manual que según ellos puede influenciar los micro sueños de una persona durante la hipnagogia, el estado semi-lúcido que ha sido descrito por muchas de las grandes mentes en la historia como su período de mayor creatividad. Según el equipo, el dispositivo funciona al ofrecer acceso a la mente durante el período justo antes de que se establezca el sueño.

En los últimos años, el poder computacional y los métodos de recopilación de datos han avanzado hasta el punto de crear un nuevo campo, el Big Data . Gracias a la gran disponibilidad de datos recopilados, los científicos pueden examinar las relaciones empíricas entre una amplia variedad de variables para descifrar la señal entre el ruido. Hasta ahora, al hacer predicciones, los científicos han estado históricamente limitados por la falta de datos completos, confiando en cambio en pequeñas muestras para inferir las características de una población más amplia. Los algoritmos de aprendizaje automático pueden predecir con precisión cuestiones de lo más variopinto, como el resultado de los casos de la Corte Suprema, utilizando predictores como la identidad de cada juez, el mes de la argumentación, el demandante y otros factores. Aunque la precisión de la salida del algoritmo es de solo aproximadamente el 70 por ciento, en realidad se ha comprobado que supera a los expertos legales humanos. Otros algoritmos de aprendizaje automático se ha demostrado que predicen los intentos de suicidio con una precisión del 80 al 92 por ciento, posiblemente más preciso que incluso los mejores evaluadoress humanos.

1. Predecir lo que decidirá tu pareja en la «Batalla de los Sexos»

Battle of Sexes, es un ejercicio clásico de estudio conocido como juego asimétrico utilizado para entender la estructura de red y el funcionamiento de la estrategia pura y los equilibrios, principalmente en el contexto de estructuras espaciales homogéneas, como los autómatas celulares. Coordinar el comportamiento interdependiente cuando los actores tienen diferentes intereses puede ser extremadamente difícil. Este tipo de situaciones se pueden representar mediante un juego asimétrico de «Batalla de los sexos”. El ejemplo clásico es la situación de un hombre y una mujer que tienen que coordinar su velada sin medios de comunicación. El hombre tiene preferencia para ir a un partido de fútbol y la mujer prefiere ir a la ópera; sin embargo, prefieren ir juntos al mismo evento antes que ir solos a los eventos. Es muy difícil coordinar este problema sin medios de comunicación. También hay contextos en los que el grupo y las estructuras de interacción son relevantes. Piénsese, por ejemplo, en una clase de la escuela en un parque temático que tiene que decidir a qué atracción dirigirse. Algunos de los niños prefieren ir a la montaña rusa y otros prefieren ir a la atracción acuática. Sociólogos y físicos teóricos de la Universidad de Utrecht han creado recientemente un modelo teórico para este complejo problema. El profesor de sociología teórica de la Universidad de Utrecht Vincent Buskens explica en un estudio que usando modelos matemáticos, se puede estudiar cómo funcionan estos tipos de mecanismos en la sociedad en un nivel mucho más fundamental.  El próximo paso en el estudio será probar el modelo usando jugadores humanos reales, incluyendo algunas suposiciones en el modelo, por lo que la pregunta es hasta qué punto se corresponden con la realidad. Los resultados de su estudio fueron publicados recientemente en Scientific Reports .

2. Calcular cómo evitar que el café se derrame de la taza

En un artículo reciente publicado en SIAM Review, Hilary y John Ockendon usan matemática sorprendentemente simple para desarrollar un modelo de chapoteo. Su modelo incluye una taza en una mesa horizontal lisa que oscila en una sola dirección a través de una conexión de resorte. Eligieron el modelo matemáticamente más simple con el que entender la mecánica básica de la acción del péndulo en problemas de chapoteo. Los autores tuvieron la idea a partir de un trabajo ganador de premios Ig Nobel que describe un modelo mecánico básico que investiga los resultados de caminar hacia atrás mientras lleva una taza de café. Utilizan las leyes de la física de Newton y las propiedades básicas de la hidrodinámica para emplear una configuración llamada «paradigma”. Los autores resuelven las ecuaciones del modelo a través de la separación de variables y analizan el resultado posterior con un diagrama de respuesta. Encontraron que analizar este problema usando ideas bastante simples de modelado matemático y análisis proporciona una buena comprensión física de cómo reducir el chapoteo diario. El estudio completo está publicado en SIAM Review.

3. Solucionar el Problema de Kepler o cómo meter esferas en un espacio

Un equipo dirigido por el matemático Thomas Hales ha presentado una prueba formal de la conjetura de Kepler, que es la resolución definitiva de un problema que no se resolvió durante más de 300 años. El documento ahora está disponible en línea a través del Foro de Matemáticas, Pi , una revista de acceso abierto publicada por Cambridge University Press. Este documento no solo resuelve un problema matemático de siglos de antigüedad, sino que también es un avance importante en la verificación por computadora de pruebas matemáticas complejas.La conjetura de Kepler era un problema famoso en geometría discreta, que pedía la forma más eficiente de meter esferas en un espacio dado. La respuesta, aunque no es difícil de adivinar (es exactamente cómo se amontonan las naranjas en un supermercado), ha sido notablemente difícil de probar. Hales y Ferguson originalmente anunciaron una prueba en 1998, pero la solución fue tan larga y complicada que un equipo de una docena de árbitros pasó años trabajando en verificarla antes de darse por vencido. La solución al enigma matemático está en la revista de Oxford University. Otro problema clásico relacionado de Geometría discreta, rama de la geometría que estudian las propiedades combinatorias de objetos, que ya ha sido resuelto es el la conjetura de la zona de László Fejes Tóth. Formulado en 1973, dice que si una unidad de esfera está completamente cubierta por varias zonas, su ancho combinado es al menos π. La prueba, publicada en la revista Geometric and Functional Analysis , es importante para la geometría discreta y permite a los matemáticos formular nuevos problemas. ¿Cuál es la mayor cantidad de bolas del mismo tamaño que pueden caber alrededor de otra bola del mismo tamaño? ¿Cuál es la forma más densa de empacar círculos del mismo tamaño en un avión, o bolas en un espacio contenedor? Las soluciones a problemas como estos tienen aplicaciones prácticas.

La robótica evolutiva es un área nuevo de investigación que se basa en los principios evolutivos de Darwin para desarrollar de forma automática robots autónomos. En un nuevo artículo de investigación publicado en Frontiers in Robótica & AI , los investigadores añaden más complejidad al campo, demostrando por primera vez que, al igual que en la evolución biológica, la evolución del robot humanoide se ve afectada por factores epigenéticos. La epigenética, término atribuido a Conrad Waddington en 1945, se describe como como “la rama de la biología que estudia las interacciones causales entre los genes y sus productos que dan lugar al fenotipo”.Basada en esta teoría, en robótica evolutiva se crearía una «reserva genética» artificial que produzca genomas, cada uno de los cuales codifica el sistema de control de un robot. Así, se permite a cada robot actuar y llevar a cabo tareas de acuerdo con su controlador «genéticamente» especificado, y el estado de forma del robot se clasifica de acuerdo a cómo de bien se lleva a cabo una tarea determinada. Después a los robots se les permite reproducirse mediante el canje de material genético entre sí, comparable a la reproducción sexual biológica.Sin embargo, los genomas de los organismos vivos también se ven afectados por el desarrollo, o reacción a eventos durante su vida, que conducen a cambios epigenéticos . En biología, esta interacción entre evolución y desarrollo se conoce como la evo-devo, que ha hecho hincapié en la importancia de los factores no genéticos en el fenotipo de un organismo. Para los expertos en robótica, el reto evo-devo es crear sistemas físicos que incorporen las tres escalas de tiempo y los procesos inherentes a cada uno: El comportamiento, el desarrollo y la evolución. Debido a la complejidad de la construcción y la evolución de los robots físicos, se trata de una desafío de enormes proporciones en la búsqueda de la «evolución de las cosas», según dicen los autores del proyecto llevado a cabo entre Jake Brawer y Aaron Hill: «Como un primer paso hacia este objetivo, en este documento se crea un sistema físicamente modelado que nos permite examinar sistemáticamente cómo interactúan el desarrollo y los procesos evolutivos «. Mientras que los estudios anteriores se han centrado en los efectos de la evolución de los robots encarnados físicamente, esta es la primera vez que los investigadores también han tenido en cuenta el aspecto epigenético en este tipo de experimento. Un enfoque evo-devo explícito ha sido de gran ayuda en la evolución de las redes neuronales artificiales. «El desarrollo sirve como un nuevo tipo de evolución conductor junto con los factores genéticos de la mutación, la recombinación y la selección que facilitan la capacidad de evolución en agentes encarnados». —explican— «Observamos que lo que falta en robótica evolutiva no es el desarrollo en sí, sino el desarrollo en un lugar formado físicamente. Nosotros damos los primeros pasos hacia la combinación de los dos, mediante el examen de las interacciones de epigenética y los factores genéticos en la evolución de los robots físicamente encarnados y simulados. » En este experimento, la aptitud de los robots individuales se midió por lo bien que realizan dos tareas: captación de luz (phototaxis) y evitación de obstáculos; y se utilizó un algoritmo de apareamiento aleatorio para determinar qué «genomas» parentales deben ser combinados para producir la siguiente generación de robots. Aquí, los genes consistieron en código binario que permitió diferentes cableados posibles del hardware del robot.El fenotipo de la expresión física del genoma de los robots se modificó en cada generación mediante la alteración de su cableado de acuerdo con la nueva configuración genética. Esto se repitió hasta que se habían creado y calificado por la aptitud 10 generaciones de robots. Para complementar el experimento de robots físicos, el equipo también creó y evolucionó robots simulados, y comparó los resultados evolutivos de las poblaciones de robots físicos y simulados.

Los experimentos se llevaron a cabo hasta que los robots perdieron toda movilidad, ya que el algoritmo de apareamiento permitió individuos de baja aptitud que permanezcan en la reserva genética y se reproduzcan. Los resultados muestran que las poblaciones de robot con un factor epigenético evolucionaron de manera diferente a las poblaciones donde el desarrollo no se tuvo en cuenta.


Figure 2. Ana BBot, a mobile robot that is programmable using jumper wires to connect sensors and motors. (A) Front view, with photocells and IR range detectors. (B) Lateral (left) view, showing drive wheels. (C) Robot wired using jumpers. (D) Top view, showing circuit board unwired.

La imitación de organismos biológicos para el diseño de robots y otras máquinas permite solucionar problemas propios de las herramientas artificiales con materiales biocompatibles o estructuras animales. Tal es el caso de un robot semejante a las medusas, fabricado por hidrogeles de polímeros compuestos en su mayoría por agua, fabricados por el MIT. Su estructura a base de gel se mueve cuando se bombea agua dentro y fuera del mismo. Con este proceso, pueden realizar tareas como el golpeo o captura de objetos.

Cada robot de hidrogel está formado por un conjunto de estructuras similares a músculos conectados entre sí por tubos que inflan o vacían de agua sus cavidades. Esto permite a los robots estirarse o adoptar formas complejas.

Entre sus ventajas, la más destacable por su posible aplicación médica, es el uso de estos robots de materiales amigables para los órganos, en operaciones o tareas en las que haya que manipular órganos internos con mayor suavidad, ofreciendo un tacto similar a unas manos. Hasta ahora existían experimentos previos con materiales de silicona, que son menos biocompatibles que los hidrogeles, compuestos básicamente de agua. Para aplicar sus materiales de hidrogel blando a la robótica, los investigadores se fijaron primero en el mundo animal. Se concentraron en particular en leptocéfalos, o anguilas diminutas transparentes. «Parece que trataron de evolucionar a una forma transparente como una táctica de camuflaje eficiente” explican los científicios “Y queríamos alcanzar un nivel similar de transparencia, fuerza y velocidad.» De hecho, uno de los primeros experimentos que realizaron una vez conseguida la estructura con impresión 3D, fue sumergirla en un tanque de agua con peces y capturarlos con ella. Midieron las propiedades acústicas y ópticas de los robots de hidrogel, y se encontraron que eran casi iguales a las del agua . «El robot es casi transparente, muy difícil de ver» —dice el profesor Xuanhe Zhao, uno de los investigadores— “Es suave y no daña a los peces. Una mano robótica con fuerza probablemente los aplastaría.” Fuente: MIT Otros animales como los murciélagos también han inspirado a los científicos para desarrollar robots más eficaces en tareas como el vuelo. Investigadores de la Universidad de Illinois han creado un robot autónomo de murciélago llamado Bat Bot (B2) con suaves alas articuladas que pueden imitar los mecanismos clave del vuelo de los murciélagos biológicos. Pesa sólo 93 gramos y posee ventajas frente a drones cuatrimotores. Los murciélagos tienen más de 40 articulaciones activas y pasivas que han sido reducidas a 9 (5 activass y 4 pasivas) en las articulaciones del robot B2. Las frecuencias de aleteo de un murciélago robot son más bajas (7-10 Hz) que las de un cuadrotor (100-300 Hz). Además son inherentemente seguros porque sus alas están fabricadas principalmente con materiales flexibles y son capaces de chocar unos con otros, o con obstáculos en su entorno, con poco o ningún daño.

El diseño propuesto por el equipo de la Universidad de Illinois, también aporta mayor eficiencia energética, gracias a que la flexibilidad del ala amplifica el movimiento y requiere menos consumo.

«Cuando un murciélago bate sus alas, es como una hoja de goma» —explica el profesor Hutchinson, de la Facultad de Ingeniería Eléctrica e Informática en Illinois— «Se llena con el aire y se deforma. Y luego, al final de su movimiento de carrera descendente, el ala empuja el aire hacia fuera cuando vuelve a su sitio. Puede obtener esta gran amplificación de la energía que se produce tan sólo por el hecho de que están utilizando membranas flexibles dentro de la propia ala «. fuente: Illinois.edu