Business

Becarios Aramont aportan innovación científica de vanguardia

Pinterest LinkedIn Tumblr

TeeTime / Harvard / Negocios.

Cuatro proyectos pioneros investigan el desarrollo del cerebro, capturan datos brutos con la inteligencia artificial, innovan en ordenadores cuánticos y desarrollan nuevos modelos para cartografiar supernovas.

Desde 2018, las becas Aramont reconocen la innovación científica de vanguardia. Es notoriamente difícil para los investigadores que inician su carrera recibir financiación para proyectos de alto riesgo, y muchos científicos a menudo pierden valiosas oportunidades de impulsar su investigación. La Fundación Benéfica Aramont concede los Premios del Fondo de Becas Aramont a la Investigación Científica Emergente a un grupo cuidadosamente seleccionado de postdoctorales y profesores en los primeros años de su carrera cuyo trabajo es muy prometedor. Los galardonados de este año abordan temas muy variados en sus proyectos financiados, desde la informática cuántica hasta la investigación de la degradación de proteínas en el cerebro.

“Me sigue inspirando el calibre de nuestro grupo de candidatos al programa de becas Aramont, y estoy muy entusiasmado con este conjunto de premiados”, afirma el Vicerrector de Investigación John Shaw. “Estos investigadores han propuesto proyectos que ampliarán los límites de sus campos, y tenemos mucho que aprender del trabajo que se financia”.

Modulación de las funciones cerebrales mediante una nueva vía de degradación de proteínas.

Estímulos sensoriales que activan el desarrollo y la adaptabilidad del cerebro inducen la expresión de un conjunto de genes denominados genes tempranos inmediatos (IEG). Aunque son esenciales para la función cerebral, los mecanismos que controlan la expresión de las proteínas IEG han permanecido esquivos durante más de cuarenta años. Gu descubrió una proteína inducida por estímulos llamada midnolina que se cree que tiene amplias funciones en la fisiología neuronal. 

Este descubrimiento puede inspirar nuevas líneas de investigación, como la exploración del funcionamiento mecánico de la midnolina. El trabajo de Gu también ha descubierto que un complejo en el que participa la midnolina es atraído por la cromatina, un componente clave de los cromosomas humanos y animales. Gu estudiará los efectos de la midnolina en la cromatina y sus funciones fisiológicas, para lo cual ha generado un modelo de ratón que se utilizará para investigar su papel en el aprendizaje y la memoria.

Xin Gu
Becaria postdoctorado en Neurobiología, Facultad de Medicina de Harvard

Aceleración de la investigación científica con grandes modelos multimodales de IA.

Descubrimientos científicos modernos se basan en conocimientos extraídos de grandes cantidades de datos experimentales complejos y multiformatos, y el procesamiento y análisis de estos datos es un proceso laborioso que podría verse facilitado por la IA. Los grandes modelos lingüísticos (LLM), con sus impresionantes capacidades de agregación y recuperación de conocimientos, resultan especialmente atractivos para esta tarea. 

El conocimiento científico de los LLM actuales es anticuado e inalterable y se basa sobre todo en fuentes textuales. El laboratorio de Melis cree que es poco probable que esto baste para impulsar el próximo avance científico. Lo más probable es que los nuevos descubrimientos se realicen a partir de datos experimentales que aún se están analizando o generando en un observatorio, un laboratorio húmedo o un acelerador de partículas. 

David Álvarez-Melis 
Profesor Asistente de Informática, Escuela John A.  Paulson de Ingeniería y Ciencias Aplicadas de Harvard

Permitir que los LLM aprovechen ese tesoro de datos podría ayudar a lograr avances, pero exigiría replantear su forma, función y uso; en concreto, aprovechar las capacidades de “razonamiento” de los LLM y mejorarlas con la capacidad de ingerir y procesar grandes cantidades de datos multiformato “frescos”, como imágenes, gráficos o tablas, de modo que los LLM puedan detectar patrones y sugerir experimentos futuros para acelerar radicalmente el ritmo de la investigación científica.

Un modelo básico para la astrofísica en el dominio del tiempo.

El estudio de la muerte explosiva de las estrellas permite a los astrónomos comprender la física de altas energías, probar los modelos evolutivos de las estrellas y medir la expansión del universo.

Actualmente, se descubren unos 10.000 eventos cósmicos explosivos al año, y el ritmo de los descubrimientos no hará sino acelerarse a medida que en los próximos años vayan apareciendo tecnologías más avanzadas. Los investigadores necesitan nuevas técnicas para clasificar eficazmente estos fenómenos e identificar nuevos fenómenos de física de altas energías. El proyecto de Villar integrará curvas de luz de banda ancha, espectroscopia de alta fidelidad e imágenes en un modelo unificado para el análisis en tiempo real de nuestro cielo nocturno variable. 

Victoria Ashley Villar
Profesora Adjunta de Astronomía, Facultad de Filosofía y Letras

Su trabajo tiene como objetivo producir el primer modelo astrofísico basado en el dominio del tiempo, un algoritmo que utiliza IA y datos brutos para realizar una serie de tareas, que luego se utilizarán para clasificar nuevos eventos, identificar física novedosa e inferir rápidamente parámetros físicos para fenómenos conocidos en tiempo real.

Write A Comment