Archivo de la categoría: Matemáticas

Encuentran relación entre la física cuántica y la teoría de juegos

Investigadores de las Universidades de Bristol y Ginebra han descubierto por un enlace profundo entre dos áreas de la ciencia moderna aparentemente sin ninguna conexión

Mientras la investigación tiende a convertirse en muy especializada y comunidades enteras de científicos puedan trabajar en temas específicos con sólo unas pocas conexiones entre ellos, el físico Dr. Nicolas Brunner y el profesor matemático Noé Linden trabajaron juntos para descubrir una conexión profunda e inesperada entre dos áreas de especialización: la teoría de juegos y la física cuántica.

El Dr Brunner dijo: «De vez en cuando se establecen conexiones entre temas que parecen, a primera vista, no tener nada en común. Estos nuevos enlaces tienen potencial de disparar un progreso significativo y abrir caminos totalmente nuevos para la investigación.»

La teoría del juego —que se utiliza hoy en día en una amplia gama de áreas como la economía, las ciencias sociales, la biología y la filosofía— proporciona un marco matemático para describir una situación de conflicto o de cooperación entre agentes racionales inteligentes. La meta principal es predecir el resultado del proceso. A principios de la década de los 50, John Nash mostró que las estrategias adoptadas por los jugadores forman un punto de equilibrio (llamado equilibrio de Nash) para el cual ninguno de los jugadores tiene un incentivo para cambiar de estrategia.

La mecánica cuántica, la teoría que describe la física de los objetos pequeños como las partículas y los átomos, prevé una amplia gama de fenómenos sorprendentes y, a menudo, sorprendentemente contrarios a la intuición, como la no localidad cuántica. En la década de los 60, John Stewart Bell demostró que las predicciones de la mecánica cuántica son incompatibles con el principio de localidad, es decir, con el hecho de que un objeto puede ser influenciada directamente sólo por su entorno inmediato y no por eventos distantes. En particular, cuando los observadores remotos realizan mediciones en un par de partículas cuánticas entrelazadas, como los fotones, los resultados de estas mediciones están altamente correlacionados. De hecho, estas correlaciones son tan fuertes que no pueden ser explicados por ninguna teoría física que respete el principio de localidad. Por lo tanto, la mecánica cuántica es una teoría no local, y el hecho de que la naturaleza es no local se ha confirmado en numerosos experimentos.

En un documento publicado en la revista Nature Communications, el Dr Brunner y el Profesor Linden mostraron que los dos sujetos anteriores, de hecho, están profundamente conectados, con los mismos conceptos apareciendo en ambos campos. Por ejemplo, la noción física de localidad aparece de forma natural en los juegos en donde los jugadores adoptan una estrategia clásica. De hecho, el principio de localidad establece un límite fundamental para el rendimiento que pueden alcanzar los jugadores clásicos (es decir, obligado por las reglas de la física clásica).

A continuación, llevando la mecánica cuántica al juego, los investigadores demostraron que los jugadores que pueden utilizar recursos cuánticos, tales como partículas cuánticas entrelazadas, pueden superar a los jugadores clásicos. Es decir, los jugadores cuánticos logran mejor rendimiento que el que cualquier otro jugador clásico jamás podría.

El Dr. Brunner dijo: «Una ventaja así podría, por ejemplo, ser útil en las subastas, que son bien descritas por el tipo de juegos que hemos considerado. Por lo tanto, nuestro trabajo no sólo abre un puente entre dos comunidades científicos separadas, sino que también abre nuevas aplicaciones posibles para las tecnologías cuánticas.»

Artículo original: ‘Connection between Bell nonlocality and Bayesian game theory‘, por Nicolas Brunner y Noah Linden en Nature Communications.

Fuente: Science Daily. Aportado por Eduardo J. Carletti

Más información:

Flash Gordon ayuda a combatir el autismo

La cantidad de operaciones de entrada / salida son una medida importante para la computación intensiva de datos, que indica la capacidad de un sistema de almacenamiento para comunicarse rápidamente entre un sistema de procesamiento de información, tal como una computadora, y el mundo exterior. Las operaciones de entrada / salida especifican la rapidez con que un sistema puede recuperar los datos organizados al azar que son comunes en grandes conjuntos de datos y procesarlos por medio de aplicaciones de análisis de datos

Las hazañas de este superordenador récord no son una sorpresa. Después de todo, el sistema lleva el nombre de un héroe de cómic, Flash Gordon.

La arquitectura nueva y única de Gordon emplea cantidades masivas de memoria tipo flash, común en los teléfonos móviles y ordenadores portátiles; de ahí el nombre. El sistema es utilizado por científicos cuya investigación requiere la análisis, búsqueda y/o creación de grandes bases de datos para su uso inmediato, o un uso posterior, incluyendo mapeo de genomas para aplicación en la medicina personalizada, y para examinar la automatización informática de la negociación bursátil de las empresas de inversión de Wall Street.

Por encargo de la Fundación Nacional de Ciencia (NSF) de EEUU en 2009 por us$ 20 millones, Gordon es parte del Extreme Science and Engineering Discovery Environment de la NSF, o programa XSEDE, una asociación a nivel nacional en EEUU que consta de 16 computadoras de alto rendimiento y recursos de alta calidad de visualización y de análisis de datos.

«Gordon es una máquina única en la Advanced Cyberinfrastructure/XSEDE de NSF», dice Barry Schneider, director del programa NSF para ciberinfraestructura avanzada. «Fue diseñado para manejar problemas científicos que implican la manipulación de grandes tamaños de datos. Se diferencia de la mayoría de otros recursos en que apoyamos el tener una gran memoria de estado sólido, 4 GB por núcleo, y la capacidad de simular un gran sistema de memoria compartida con software».

El mes pasado, un equipo de investigadores de SDSC, el Instituto Pasteur de los Estados Unidos y de Francia, informaron en la revista Genes, Brain and Behavior que utilizaron Gordon para idear una nueva forma de describir una función del tiempo de proceso de la expresión de genes en el cerebro que se puede utilizar para guiar el desarrollo de tratamientos para los trastornos mentales como trastornos del espectro autista y la esquizofrenia.

Los investigadores identificaron el árbol jerárquico de los grupos de genes coherentes y redes de factores de transcripción que determinan los patrones de genes expresados durante el desarrollo del cerebro. Ellos encontraron que algunos «factores de transcripción» maestro en el nivel superior de la jerarquía regulan la expresión de un número significativo de grupos de genes.

Los resultados de los científicos se pueden utilizar seleccionar los factores de transcripción que podrían ser objeto en el tratamiento de trastornos mentales específicos.

«Vivimos en un especial momento en que han sido extraídas y almacenadas enormes cantidades de datos relacionados con los genes, ADN, ARN, proteínas y otros objetos biológicos», dijo el autor principal, Igor Tsigelny, un investigador científico en SDSC, así como en el Moores Cancer Center de la Universidad de California en San Diego, y su Departamento de Neurociencias.

«Puedo comparar este momento con la situación en que el mineral de hierro se extrae de la tierra y se almacena en montones en el suelo. Todo lo que necesitamos es transformar los datos en conocimiento, como el mineral en acero. Sólo las supercomputadoras y las personas que saben qué hacer con ellas hará que sea posible esa transformación», dijo.

Fuente: Science Daily. Aportado por Eduardo J. Carletti

Más información:

El mayor número primo falso tiene 300 mil millones de dígitos

Un número 300 mil millones de cifras es el mayor seudoprimo conocido: un número que se parece a un primo, pero no lo es. Las técnicas utilizadas para encontrar este monstruo podría ayudar a mantener seguras las transacciones en línea

Los 10 primeros dígitos son 1512269972… pero no podemos poner el resto ya que el nuevo número es tan grande que escribirlo completo se comería alrededor de una tercera parte de un terabyte. «Tengo un disco duro externo que lo contiene», dice el co-descubridor Andrew Shallue, de la Illinois Wesleyan University en Bloomington. Queda así empequeñecido el número primo verdadero más grande conocido, un monstruo de 17 millones de dígitos anunciado la semana pasada.

Los números primos sólo pueden dividirse por sí mismos y por 1. Averiguar qué números son primos puede ser complicado, por lo que los matemáticos han desarrollado varios algoritmos para acelerar la búsqueda. Una simple prueba se basa en una observación del siglo 17 del matemático Pierre de Fermat, quien dijo que para cualquier número primo p y un número entero a, si se divide p-a por p, el resto es 0. Por desgracia, a veces también es cierto cuando p no es un número primo.

Encontrar falsificaciones

Hay sólo 43 de estos seudoprimos Fermat en el primer millón de números, en comparación con cerca de 80.000 números primos. Los primos forman los ladrillos de construcción básicos de la criptografía moderna, por lo que confundir un seudoprimo con un verdadero primo hace que sea fácil que alguien se robe tus secretos. Después de Fermat, los matemáticos han desarrollado pruebas más sofisticadas para reducir estos errores, pero aún surgen seudoprimos inesperadamente.

Para cazar las falsificaciones, Shallue y su colega Steven Hayman han creado un algoritmo que analiza una lista de números para encontrar un subconjunto que, al ser multiplicado entre sí, produce un objetivo particular: en este caso, un seudoprimo que pasa la prueba de Fermat. La búsqueda de los más grandes seudoprimos conocidos demuestra que el algoritmo es mucho mejor que las técnicas anteriores, dice Shallue, quien lo presentó el mes pasado en la Reunión Conjunta de Matemáticas en San Diego, California.

«Encontrar este número es, sin duda, un logro», dice Graham Jameson de la Universidad de Lancaster, Reino Unido. Sin embargo, el avance práctico es el nuevo algoritmo, que le podría decir
a los matemáticos y criptógrafos acerca de las propiedades generales de los seudoprimos, dice. «El problema más importante es establecer qué tan poco comunes son estos números.»

Fuente: New Scientist. Aportado por Eduardo J. Carletti

Más información: