En el imaginario popular, el oxígeno en la Tierra tiene un origen casi escolar: plantas, algas y cianobacterias usando luz para “fabricarlo” mediante fotosíntesis. Por eso, detectar O₂ en un lugar sin sol, a unos 4.000 metros de profundidad, suena a lectura defectuosa o a instrumento caprichoso. Sin embargo, eso es justo lo que reportó… Continúa leyendo »

El phishing es ese “doble” que se cuela en tu vida digital con la misma chaqueta que tu banco, tu servicio de correo o tu tienda favorita. A simple vista, la web parece legítima; el logo está donde toca, el botón de “iniciar sesión” tiene el color correcto y el mensaje te mete prisa con… Continúa leyendo »

En la industria del software, los nombres no son solo etiquetas bonitas: funcionan como el letrero de una tienda en una calle llena de escaparates. Si dos negocios colocan carteles casi iguales, el peatón entra donde no quería. Eso es, en esencia, lo que Autodesk sostiene que está ocurriendo con Google y el uso de… Continúa leyendo »

Un “gemelo digital” de las células del ojo: así quiere el NIH entender y frenar la degeneración macular asociada a la edad

La degeneración macular asociada a la edad (DMAE o AMD) es una de las causas más frecuentes de pérdida de visión en personas mayores de 50 años. Lo que la vuelve especialmente frustrante es que no se trata de un “apagón” repentino, sino de un deterioro progresivo de la zona central de la retina, justo la que usamos para leer, reconocer caras o ver detalles finos. En ese proceso hay un actor silencioso que, cuando falla, arrastra a otros: las células del epitelio pigmentario de la retina (RPE).

Estas células son como el personal de mantenimiento de un edificio: no suelen verse, pero sin ellas todo se desordena. Dan soporte a los fotorreceptores (las células que captan la luz) y realizan tareas de reciclaje constantes. Si el RPE se deteriora y muere, con el tiempo los fotorreceptores también pueden seguir ese camino, y la visión se resiente. Continúa leyendo «Un “gemelo digital” de las células del ojo: así quiere el NIH entender y frenar la degeneración macular asociada a la edad»

SpaceX mira a la Luna antes que a Marte: la lógica (y los riesgos) detrás del giro de Elon Musk

Durante años, hablar de SpaceX era, casi automáticamente, hablar de Marte. Elon Musk ha repetido una y otra vez que fundó la compañía con la idea de empujar a la humanidad fuera de la Tierra y, en su imaginario, el destino natural es el planeta rojo. La Luna quedaba relegada a un papel secundario, útil como ensayo general, pero poco más. De hecho, no hace tanto, Musk llegó a calificarla como una “distracción” frente al objetivo marciano.

Por eso llamó la atención que, en los últimos días, el propio Musk haya verbalizado un giro claro: el plan de asentamiento de SpaceX pone ahora el foco primero en construir una ciudad lunar “autosostenible” y dejar Marte para después, aunque sin abandonarlo. La fuente de estas afirmaciones está en una serie de mensajes publicados por Musk en X y recogidos por Space.com en un análisis que ha circulado ampliamente en el ecosistema espacial. Continúa leyendo «SpaceX mira a la Luna antes que a Marte: la lógica (y los riesgos) detrás del giro de Elon Musk»

Más allá de la vista y el oído: por qué podríamos tener hasta 33 sentidos

La idea de que percibimos el mundo a través de cinco sentidos —vista, oído, olfato, gusto y tacto— es tan familiar que funciona como un atajo mental. Sirve para explicarle a un niño cómo “entró” el mundo en su cabeza y también para simplificar conversaciones cotidianas. El problema es que ese atajo empieza a quedarse corto cuando uno se fija en lo que realmente ocurre dentro del cuerpo. La tradición suele atribuir esa lista a Aristóteles, que también defendía una visión del universo basada en cinco elementos. La ciencia descartó hace tiempo esa parte, y ahora está revisando con la misma energía el “paquete” de los cinco sentidos.

Un texto reciente difundido por ScienceDaily a partir de un artículo de The Conversation plantea una cifra que llama la atención: los humanos podríamos tener entre 22 y 33 sentidos en funcionamiento, según estimaciones compartidas por neurocientíficos vinculados a la investigación sobre percepción, entre ellos Charles Spence, del Crossmodal Research Laboratory de la Universidad de Oxford. El número exacto es menos importante que el mensaje: la percepción humana es una red, no una fila de interruptores independientes. Continúa leyendo «Más allá de la vista y el oído: por qué podríamos tener hasta 33 sentidos»

Plasma y agua para enfriar la IA: por qué la “suciedad biológica” se ha convertido en el enemigo silencioso de los centros de datos

La conversación sobre IA en centros de datos suele centrarse en chips cada vez más potentes, racks más densos y una carrera por conseguir megavatios disponibles. Lo que se comenta menos es un problema mucho más cotidiano: mantener el equipo a una temperatura estable, de forma eficiente, sin que el propio sistema de refrigeración se vuelva parte del problema. Cuando los procesadores trabajan al límite, el calor deja de ser una molestia y se convierte en un riesgo operativo: si no se evacúa bien, baja el rendimiento, suben los fallos y la factura energética se dispara.

Esa tensión ya se refleja en el debate público. Medios como Reuters han subrayado que el calor es uno de los grandes desafíos del crecimiento de los centros de datos y de la computación para IA, y que la industria está empujando hacia refrigeración líquida por límites de la refrigeración por aire. En paralelo, el cuello de botella eléctrico se ha vuelto recurrente en la cobertura de negocios y energía, con análisis que apuntan a restricciones de red y suministro que complican el despliegue de capacidad.

En este contexto aparece una propuesta llamativa desde el llamado “data center alley” del norte de Virginia: Reverse Ionizer LLC asegura haber desarrollado una tecnología para atacar un obstáculo específico que frena la expansión de la refrigeración directa al chip (direct-to-chip) con agua. La compañía la ha presentado como Plasma Disinfection System, o PDS, en un comunicado difundido por EIN Presswire el 9 de febrero de 2026. Continúa leyendo «Plasma y agua para enfriar la IA: por qué la “suciedad biológica” se ha convertido en el enemigo silencioso de los centros de datos»

Webb asoma la linterna en una galaxia “tapada” y encuentra un caldo químico inesperado

Cuando se habla de galaxias activas, muchas veces se piensa en un centro brillante y fácil de observar. IRAS 07251-0248 es justo lo contrario: su núcleo está tan cubierto por gas y polvo que, visto con telescopios “normales”, es como intentar mirar una bombilla envuelta en varias mantas. Esa manta no solo es opaca; también absorbe gran parte de la radiación que sale del entorno del agujero negro supermasivo central, dificultando reconstruir qué procesos dominan dentro.

Este tipo de objeto se clasifica como galaxia infrarroja ultraluminosa (una ULIRG). El apodo no es caprichoso: buena parte de su energía se “re-emite” en infrarrojo porque el polvo calienta, absorbe luz más energética y la devuelve al espacio en longitudes de onda más largas. En términos cotidianos, es como una cocina con mucho humo: la luz visible apenas atraviesa, pero una cámara térmica sí puede distinguir formas y focos de calor. Continúa leyendo «Webb asoma la linterna en una galaxia “tapada” y encuentra un caldo químico inesperado»

DiffSyn: la IA generativa de MIT que propone “recetas” para sintetizar materiales complejos

En ciencia de materiales se ha avanzado mucho en imaginar estructuras con propiedades deseables, pero imaginar no equivale a fabricar. En los últimos años, distintos modelos de IA generativa han producido bibliotecas enormes de materiales “candidatos” con promesas tentadoras: alta estabilidad térmica, absorción selectiva de gases o comportamientos útiles para energía, catálisis o separación. El problema llega cuando toca pasar de la pantalla al laboratorio. Si el material es el “pastel” que quieres comer, la síntesis es el momento de encender el horno, elegir ingredientes, temperaturas y tiempos… y ahí es donde se atasca la historia.

La síntesis rara vez se parece a una receta fija de cocina. Pequeñas variaciones en temperatura, duración del proceso, proporciones de precursores o condiciones de reacción pueden cambiar por completo la morfología final y, con ella, el rendimiento. Ese espacio de posibilidades se vuelve tan grande que los investigadores terminan haciendo lo que haría cualquiera ante un mapa enorme sin GPS: usar experiencia, intuición y prueba y error. Continúa leyendo «DiffSyn: la IA generativa de MIT que propone “recetas” para sintetizar materiales complejos»

Los modelos de IA aprenden a gastar menos electricidad: qué significa “watt-horas por consulta” y por qué importa

Durante años, la conversación sobre modelos de IA se ha centrado en quién responde mejor, quién “razona” más o quién genera imágenes más realistas. En 2026, se está imponiendo otra carrera igual de decisiva: la de la eficiencia energética. La razón es simple: la demanda de computación crece tan rápido que ya no basta con sumar servidores; el sistema eléctrico y la infraestructura de centros de datos tienen límites físicos y económicos.

Los pronósticos sobre el aumento del consumo eléctrico asociado a centros de datos y cargas de IA llevan tiempo advirtiéndolo. Goldman Sachs Research, por ejemplo, ha estimado un fuerte incremento de la demanda eléctrica de los centros de datos hacia 2030. Y desde organismos públicos se remarca la magnitud del fenómeno: un informe del Congressional Research Service de EE. UU. sitúa el consumo anual de los centros de datos estadounidenses en 2023 alrededor de 176 TWh (aprox. el 4,4% de la electricidad del país), con proyecciones de crecimiento significativo hacia 2028.

Traducido a un ejemplo doméstico: si la IA fuese un electrodoméstico, no estaríamos discutiendo solo si cocina mejor, sino si se come la factura de la luz. Continúa leyendo «Los modelos de IA aprenden a gastar menos electricidad: qué significa “watt-horas por consulta” y por qué importa»

Una IA “lectora” rastrea la literatura científica y reúne 67.573 materiales magnéticos, con 25 nuevos candidatos estables a alta temperatura

Pocas cosas son tan cotidianas y tan poco visibles como los materiales magnéticos. Están en el altavoz del móvil, en motores, en sensores de un coche, en equipos médicos y en generadores. Funcionan como ese “enganche” fiable de una puerta de nevera: no pensamos en él hasta que falla. En tecnología, cuando un imán pierde fuerza con el calor, el resultado se traduce en motores menos eficientes, equipos más voluminosos o sistemas que requieren refrigeración extra.

Por eso la noticia que ha compartido SciTechDaily, a partir de trabajo de la University of New Hampshire (UNH), llama la atención: un equipo ha usado inteligencia artificial para escanear décadas de papers y construir una base de datos con 67.573 materiales magnéticos. Dentro de esa colección aparecen 25 compuestos que no estaban catalogados como tales y que mantienen propiedades magnéticas a temperaturas elevadas, un punto crítico para usos reales. La investigación se publicó en Nature Communications y presenta el recurso como “Northeast Materials Database” (NEMAD). Continúa leyendo «Una IA “lectora” rastrea la literatura científica y reúne 67.573 materiales magnéticos, con 25 nuevos candidatos estables a alta temperatura»

Autodesk demanda a Google por “Flow”: la batalla por una marca en plena fiebre de la IA creativa

En la industria del software, los nombres no son solo etiquetas bonitas: funcionan como el letrero de una tienda en una calle llena de escaparates. Si dos negocios colocan carteles casi iguales, el peatón entra donde no quería. Eso es, en esencia, lo que Autodesk sostiene que está ocurriendo con Google y el uso de Flow para un producto de IA orientado a la creación de vídeo.

Según informó Reuters y recogió The Verge, Autodesk ha presentado una demanda en un tribunal de California para frenar el uso del nombre Flow por parte de Google en su herramienta de generación de vídeo con inteligencia artificial. El argumento central es el riesgo de confusión entre clientes, especialmente en un momento en el que el mercado creativo está inundado de herramientas con promesas parecidas y nombres cada vez más cortos y memorables. Continúa leyendo «Autodesk demanda a Google por “Flow”: la batalla por una marca en plena fiebre de la IA creativa»

Modelos de machine learning para detectar phishing: por qué los datos ganan a las reglas

El phishing es ese “doble” que se cuela en tu vida digital con la misma chaqueta que tu banco, tu servicio de correo o tu tienda favorita. A simple vista, la web parece legítima; el logo está donde toca, el botón de “iniciar sesión” tiene el color correcto y el mensaje te mete prisa con una excusa creíble. El objetivo es sencillo: que introduzcas usuario y contraseña, o que aceptes una acción que abra la puerta a un robo de credenciales.

Durante años, muchas defensas se han apoyado en reglas fijas: listas negras de dominios, patrones conocidos en URLs o señales “clásicas” como errores tipográficos. El problema es que los atacantes cambian el disfraz cada vez que alguien aprende a reconocerlo. Por eso, cuando una técnica se vuelve popular en la defensa, también se vuelve popular en el ataque para esquivarla. Aquí es donde los enfoques basados en datos y machine learning empiezan a marcar diferencias: no buscan un único “síntoma” rígido, sino combinaciones de señales que, juntas, delatan el engaño. Continúa leyendo «Modelos de machine learning para detectar phishing: por qué los datos ganan a las reglas»