aprendizaje automático

Los antiguos mapas del tesoro se dibujaban a partir de rumores: alguien encontraba oro junto a un río, otro en las montañas, y cada uno cavaba en su propio sitio. Con los superconductores de alta temperatura ocurrió algo parecido: los cuprados se hallaron en unos compuestos, los pnicturos de hierro en otros, los niquelatos en unos terceros, y no había un mapa general.

En el hielo antártico, una partícula fantasma deja tras de sí solo un débil destello de luz azul. El detector IceCube capta esos destellos, y con ellos hay que deducir de dónde vino la partícula. El modelo PolarBERT aprendió a hacerlo, pero qué ve exactamente en su interior seguía siendo un misterio.

Una proteína en la célula no permanece inmóvil, como un maniquí en un escaparate. Sus átomos tiemblan, se estiran y se doblan constantemente, como una cuerda de guitarra tensa que sigue sonando después de que la rozas con el dedo. Para entender cómo funciona una proteína, hay que saber con qué firmeza cada parte se aferra a sus vecinas.

Un intérprete se distrae con cada ruido en la sala, y una reunión de una hora se convierte en dos. Algo parecido ocurre con los modelos fundamentales moleculares: aprenden el lenguaje de las moléculas a partir de corpus enormes, pero para cada nueva conversación requieren un ajuste. Monroe cambia las reglas: no aprende un idioma nuevo, sino que capta al instante el sentido común a partir de unos pocos ejemplos.

Buscar un material nuevo es como cocinar sin receta: pruebas y pruebas, y a menudo tiras todo a la basura. Antes, los científicos revisaban manualmente los artículos y probaban las composiciones una por una. Ahora ha aparecido un "chef robot" que lee la literatura, mezcla los componentes y observa el resultado.

Una batería solar de perovskita es como una atleta joven: al principio rinde excelente, pero con la edad se cansa. En ocho horas, sus características caen notablemente, y no hay causas visibles como grietas o polvo. Los científicos tomaron una batería y registraron lecturas a los 0, 90, 280 y 480 minutos de vida.

En 1998, el matemático David Boyd notó algo extraño. Estudiaba la medida de Mahler de un polinomio —una cantidad que mide la "complejidad" de sus raíces— y descubrió que para una familia de curvas siempre se expresa como un número racional especial racional multiplicado por el valor de la derivada de la función L.

La galaxia NGC 4254 se encuentra a un millón y medio de años luz del centro del cúmulo de galaxias de Virgo. Arrastra tras de sí una larga cola de hidrógeno que se enfría, una señal de que se está precipitando a toda velocidad en el medio interestelar caliente.

Cuatro trazos débiles en una imagen: eso es todo lo que ve un astrónomo. Como un escultor que reconstruye la forma de un vidrio invisible a partir de cuatro sombras.

Doscientas cuarenta y dos mil trescientas veintisiete galaxias — como granos de arena en una playa. Pero los astrónomos convirtieron este caos en un mapa: el algoritmo UMAP (método de aprendizaje automático) tomó de cada galaxia once parámetros — siete colores desde el óptico hasta el infrarrojo medio (esto es…

Cuatro trazos débiles en una imagen: eso es todo lo que ve un astrónomo. Como un escultor que reconstruye la forma de un vidrio invisible a partir de cuatro sombras.

Doscientas cuarenta y dos mil trescientas veintisiete galaxias — como granos de arena en una playa. Pero los astrónomos convirtieron este caos en un mapa: el algoritmo UMAP (método de aprendizaje automático) tomó de cada galaxia once parámetros — siete colores desde el óptico hasta el infrarrojo medio (esto es…

Un artista hace un boceto rápido al carboncillo — y el rostro en el retrato ya es reconocible. Los astrofísicos se enfrentan a una tarea similar: el espectro de una estrella es su retrato individual, que revela temperatura, composición, gravedad superficial.

Un artista hace un boceto rápido al carboncillo — y el rostro en el retrato ya es reconocible. Los astrofísicos se enfrentan a una tarea similar: el espectro de una estrella es su retrato individual, que revela temperatura, composición, gravedad superficial.

El Sol dibuja sin cesar garabatos de campos magnéticos en su superficie. Estos patrones no son meras ondulaciones, sino una escritura en la que la naturaleza ha cifrado advertencias sobre erupciones.

En combate, un piloto necesita entender al instante qué objeto es y cuáles son sus intenciones. Los sistemas convencionales esperan datos completos del radar, como un portero que solo reacciona después del disparo. El nuevo algoritmo funciona como un portero experimentado: a partir de los primeros movimientos del delantero, predice la maniobra del objetivo.

La comunicación con un satélite es como intentar oír un susurro en medio de una tormenta: la señal se ahoga en interferencias. Unos ingenieros han creado un algoritmo de IA que funciona directamente en el satélite y, con un consumo mínimo de energía, reconoce las distorsiones con más precisión que los métodos anteriores.

Un programa de seguimiento común se asemeja a un navegante que guía un barco por las estrellas. Pero en cuanto el cielo se nubla, las coordenadas empiezan a desviarse y en los datos aumenta la entropía (medida de incertidumbre). El nuevo algoritmo incorpora un «copiloto»: un módulo que monitoriza el nivel de confianza del navegador principal.

Estás bajo la ducha: giras el grifo y el agua sale helada o hirviendo. Las tuberías tienen vida propia: la presión fluctúa impredeciblemente. El nuevo controlador aprende sobre la marcha: no conoce el sistema de fontanería, pero en minutos se adapta y ajusta suavemente la temperatura, sin violar los límites de seguridad.

El enfoque estándar para una clase de problemas de aprendizaje automático se asemeja a un resorte que se estira y se olvida soltar: los métodos estándar inflan artificialmente el tamaño del problema, convirtiendo los cálculos en un agujero negro de memoria y tiempo.

El cerebro se comunica con breves chasquidos eléctricos. Antes, para aprender este lenguaje, se necesitaban miles de ejemplos traducidos por un experimentador. El método MOJO sigue otro camino: como cuando se aprende un idioma por inmersión, primero escucha el 'flujo de conciencia' sin pistas y encuentra por sí mismo patrones repetitivos.

Cuando una estrella gigante colapsa en una supernova o dos bolas de neutrones se fusionan en una danza cósmica, billones de neutrinos se llevan la energía del cataclismo.

Preparar un plato complejo exige una receta clara: primero cortar, luego sofreír, añadir las especias en el momento justo. Las transformaciones químicas también siguen recetas paso a paso, mecanismos donde los átomos de carbono e hidrógeno se reorganizan en un orden estricto.

Los científicos tomaron 16 actividades cotidianas — desde lavar platos hasta hacer sentadillas — y descompusieron los movimientos en componentes elementales, como un espectroscopio descompone la luz en un espectro. Comparando tres enfoques, encontraron una clave inesperada para el reconocimiento: basta con un fotograma congelado promediado.

Tradicionalmente, los algoritmos de aprendizaje automático operan en un entorno estático, como agua que fluye por un cauce ya trazado sin cambiar su forma. El nuevo método invierte este paradigma: permite que el agente aprenda acciones y, al mismo tiempo, modifique el entorno en el que existe.

Un detective experimentado no calcula la trayectoria de un criminal a partir de las leyes de la física: consulta el archivo de casos similares. Así funciona este nuevo método de predicción: en lugar de ecuaciones complejas, dispone de un enorme archivo de trayectorias ya ocurridas: movimientos planetarios, cotizaciones de divisas, señales del espacio.

Predecir las propiedades de una nueva molécula es como adivinar el sabor de un plato desconocido. El programa funciona como un cocinero experimentado: «prueba» moléculas similares cuyas propiedades ya se conocen y, basándose en su «sabor», ajusta su conjetura.

El microscopio electrónico es un órgano gigante: en lugar de tubos, lentes electromagnéticas; en lugar de aire, un flujo de electrones acelerados. Antes solo pintaba frescos mudos del mundo atómico, condenando a los científicos a una descodificación extenuante.

El aprendizaje automático hace tiempo que dejó de ser una simple herramienta: se está convirtiendo en un investigador que extrae por sí mismo las leyes de la naturaleza de los datos. Pero, ¿cómo llega la mente de silicio a la comprensión?

Ensamblar un chip óptico es como un juego en el que hay que guiar un rayo a través de un laberinto de diminutos espejos y divisores de haz. Cada uno de estos elementos funciona como una aguja en una vía de tren: o deja pasar la luz de frente o la desvía a la vía contigua. El objetivo es obtener a la salida un patrón de luz estrictamente definido, gastando la menor cantidad posible de “agujas”.

DFTB es un tren de alta velocidad en el mundo de la química cuántica: cientos de veces más rápido que el DFT clásico, pero aún sobre rieles electrónicos. Sin embargo, su motor — la autoconsistencia iterativa de cargas — a veces se asemeja a una orquesta donde cada instrumento comienza con una nota arbitraria.

El mundo cuántico de muchos cuerpos es como un conjunto de jazz, donde cada electrón improvisa escuchando continuamente a los demás, y la función de onda global nace de este diálogo intenso.

El cielo de rayos gamma captado por el telescopio Fermi es una grandiosa sinfonía de miles de fuentes. Aquí las pulsaciones rítmicas de púlsares, los potentes acordes de núcleos activos de galaxias, pero sobre todo objetos no identificados, cuya parte sigue siendo un misterio.

Las perovskitas híbridas son las estrellas emergentes de la fotovoltaica: su eficiencia crece tan rápido que parece que estamos al borde de una revolución solar. Pero estos materiales, como intrincados mosaicos de átomos, son extremadamente vulnerables: la humedad, el calor y la luz los convierten rápidamente en polvo.

En el Universo joven, hace unos diez mil millones de años, las galaxias parecían campos ilimitados después de una tormenta: por todas partes brotaban gigantescos grumos de formación estelar de miles de años luz, donde las estrellas jóvenes nacían con una energía desenfrenada. Hoy esas regiones casi han desaparecido: en las galaxias cercanas, los focos intensos son raros.

La metilación del ADN son pequeñas marcas químicas en nuestros genes. Con los años, cambian siguiendo un calendario bastante estricto. Los relojes epigenéticos convencionales observan estas marcas y dan un número: la edad biológica. Pero un número no cuenta cómo se reorganizó el patrón de marcas día a día, año tras año.

Los sistemas de recomendación, que deciden qué publicación verás a continuación, funcionan con profundas redes neuronales de miles de operaciones: complejos grafos de cómputo (esquemas de operaciones sobre datos).

En el desarrollo embrionario, la célula se asemeja a un músico en una gran orquesta: debe tocar su parte guiándose por el director, el gradiente de moléculas señalizadoras. Pero el director no es fiable: la concentración de morfógenos fluctúa constantemente. ¿Cómo es que el violonchelista no se equivoca y toca la melodía del violín?

Casi un siglo después de que Fritz Zwicky sospechara que algo andaba mal en el movimiento de las galaxias del cúmulo de Coma, y Vera Rubin midiera las velocidades estelares en los brazos espirales, la naturaleza de la materia oscura sigue siendo uno de los enigmas más acuciantes.

Imagina una audición para una orquesta sinfónica, donde de cientos de aspirantes solo se quedan aquellos cuyos instrumentos suenan limpios y resisten un feroz crescendo. En el mundo de los materiales, las computadoras han aprendido a generar «partituras atómicas»: miles de cristales virtuales que prometen ser la base de chips cuánticos o superconductores.