Podcast CB SyR 297: Misiones espaciales a asteroides, Alphafold 2, pterodáctilos e inteligencia artificial

Por Francisco R. Villatoro, el 15 diciembre, 2020. Categoría(s): Ciencia • Noticias • Podcast Coffee Break: Señal y Ruido • Recomendación • Science ✎ 3

He participado en el episodio 297 del podcast Coffee Break: Señal y Ruido [iVooxiTunes], titulado “Ep297: Misiones a Asteroides; Atención en IA; Pterodáctilos; Alphafold”, 10 dic 2020. «La tertulia semanal en la que repasamos las últimas noticias de la actualidad científica. En el episodio de hoy: Asteroides: Llega a la Tierra la muestra de Ryugu (min 5:00); El posible origen de los pterodáctilos (46:00); Paralelismos entre inteligencia artificial y natural: El fenómeno de la atención (55:00); Señales de los oyentes (1:17:00); Alphafold2 vista por los expertos: Entrevista Carlos Outeiral (1:30:00). Todos los comentarios vertidos durante la tertulia representan únicamente la opinión de quien los hace… y a veces ni eso. CB:SyR es una colaboración del Museo de la Ciencia y el Cosmos de Tenerife con el Área de Investigación y la UC3 del Instituto de Astrofísica de Canarias».

Ir a descargar

En la foto, en el Museo de la Ciencia y el Cosmos de Tenerife, su director Héctor Socas Navarro @hsocasnavarro (@pcoffeebreak), y por videoconferencia Sara Robisco Cavite @SaraRC83, Julia de León (IAC), Carlos Outeiral @C_Outeiral, y Francis Villatoro  @emulenews.

El vídeo de YouTube estará disponible completo durante unos días y luego será recortado, pues Coffee Break: Señal y Ruido es un podcast, no un canal de YouTube.

 

Tras la presentación, Héctor nos recomienda su entrevista a Jon Lomberg para el Museo de la Ciencia y el Cosmos, o bien en su versión original en inglés (vídeo de arriba), o bien en su versión con traducción simultánea (vídeo de abajo).

Héctor le pide a Julia de León que nos hable de la llegada a la Tierra de la cápsula de muestras de Hayabusa 2 y de la toma de muestras de OSIRIS-REX. Te recomiendo lo que nos contó Daniel Marín, «La cápsula de la sonda Hayabusa 2 regresa a la Tierra con muestras del asteroide Ryugu,» Eureka, 06 dic 2020, «la cápsula de la sonda Hayabusa 2 aterrizó con éxito el 5 de diciembre de 2020 en Woomera, Australia; lleva cierta cantidad de muestras del asteroide Ryugu (se estima que serán unos cien miligramos, o 0.1 gramos)». Julia (muy optimista, pero con una postdoc japonesa que trabaja en Hayabusa2) nos comenta que se espera que se hayan recogido varios gramos. «Hayabusa 2 es la segunda misión que trae muestras de un asteroide tras la Hayabusa 1, que en junio de 2010 regresó con unos pocos granos —granos, no gramos— de la superficie del asteroide Itokawa. La cápsula reentró a una velocidad de 11,6 km/s y el escudo térmico alcanzó una temperatura de unos 3000 ºC, aunque en el interior del vehículo no se superaron los 80 ºC».

Como nos contó Daniel Marín, «OSIRIS-REx captura muestras del asteroide Bennu,» Eureka, 23 oct 2020, «la sonda OSIRIS-REx (Origins Spectral Interpretation Resource Identification Security – Regolith Explorer) contactó con la superficie del asteroide Bennu el 20 de octubre a las 21:50 UTC. Bennu es un pequeño asteroide cercano a la Tierra de apenas 525 metros. Para recoger las muestras OSIRIS-REx «sopla» nitrógeno para expulsar el regolito de la superficie (el TAGSAM, Touch-and-Go Sample Acquisition Mechanism) y captura una cantidad mínima de 60 gramos y máxima de unos 2 kg». Nos comenta Julia que se espera haber recogido más de un kilogramo. «La cápsula SRC (Sample Return Capsule) aterrizará en Utah el 24 de septiembre de 2023″.

Julia nos comenta los diferentes tipos de asteroides que existen y cómo las diferentes misiones espaciales están explorando los diferentes tipos. Además, nos comenta anécdotas y protocolos sorprendentes de la misión de OSIRIS-REx. Nos comenta que se ha hecho un agujero de unos 40 cm de profundidad en la superficie del asteroide durante la recogida de las muestras: antes de tocar la superficie se emitía el gas de nitrógeno para remover las partículas y formar una nube de la que recoger las muestras, mientras la sonda se aproximaba a la superficie para que las partículas entraran en el contenedor, hundiéndose en ella formando un agujero.

Nos habla Sara de un artículo publicado en Nature con la hipótesis de que los lagerpétidos y los pterosaurios están muy relacionados, compartiendo un ancestro común. Lidera el artículo el paleontólogo argentino Martín Ezcurra, investigador del CONICET en el Museo Argentino de Ciencias Naturales “Bernardino Rivadavia” (MACN). Se centra en el gran problema del origen de los pterosaurios voladores de la Era Mesozoica, que convivieron con los dinosaurios hace 220 millones de años y se extinguieron 66 millones de años atrás. Resulta que se parecen mucho a los lagerpétidos, un grupo “precursor de los dinosaurios”.

Los primeros fósiles de pterosaurios se encontraron a fines del siglo XVIII; desde entonces el origen de los pterosaurios ha sido un gran problema. En 2017 se observó que un lagerpétido, una especie precursora de los dinosaurios, hallado en 1966 en La Rioja (Argentina), se parecía mucho a los pterosaurios. El estudio de fósilse hallados desde 2007 hasta 2018 confirmó dichas sospechas. Los lagerpétidos están más emparentados con los pterosaurios que con los dinosaurios. Así se abre un nuevo paradigma para poder entender el origen de los pterosaurios y de su vuelo.

El cerebro del lagerpétido tiene el flóculo muy desarrollado, como en los pterosaurios; este área del cerebro permite el procesamiento de información sensorial. Más información divulgativa en Federico Kukso, «Descubren nuevas pistas sobre el enigmático origen de los pterosaurios,» Agencia SINC, 09 dic 2020; y en Cintia Kemelmajer, «Develan uno de los misterios de la paleontología: el origen de los pterosaurios, hermanos de los dinosaurios», CONICET, 09 dic 2020. El artículo científico es Martín D. Ezcurra, Sterling J. Nesbitt, …, Max C. Langer, «Enigmatic dinosaur precursors bridge the gap to the origin of Pterosauria,» Nature (09 Dec 2020), doi: https://doi.org/10.1038/s41586-020-3011-4; Kevin Padian, «Closest relatives found for pterosaurs, the first flying vertebrates,» Nature 588: 400-401 (09 Dec 2020), doi: https://doi.org/10.1038/d41586-020-03420-z.

Nos habla Sara de la atención en redes de neuronas artificiales y biológicas, al hilo de un artículo de revisión de Shriraj P. Sawant, Shruti Singh, «Understanding Attention: In Minds and Machines,» NeurIPS 2020 Workshop, arXiv:2012.02659 [cs.AI] (04 Dec 2020); dejando claro que definir la atención es tan difícil como definir la inteligencia, el artículo se enfoca en el uso práctico en redes de neuronas artificiales de lo que sabemos sobre la atención en neurociencia.

La sección Señales de los Oyentes se adelanta y contestamos varias preguntas. Finalizamos con una entrevista a Carlos Outeiral (Univ. Oxford) sobre AlphaFold 2 de Deepmind y su impacto en el campo de la determinación de estructuras tridimensionales de proteínas. Muy, muy interesante, te la recomiendo de forma encarecida. También te recomiendo leer su pieza «CASP14: what Google DeepMind’s AlphaFold 2 really achieved, and what it means for protein folding, biology and bioinformatics,» Oxford Protein Informatics Group, 03 Dec 2020. También recomiendo mi pieza «El plegamiento de proteínas de AlphaFold 2 vence de forma rotunda en CASP14», LCMF, 03 dic 2020.

¡Qué disfrutes del podcast!



3 Comentarios

  1. Hola. Respecto a Alphafold 2 y a la pregunta de Carlos Outeiral.
    ¿Deberían dar un Nobel …?

    Mi opinión es NO, ya que no da ningún conocimiento del funcionamiento o el porqué se pliegan de esa forma.

    Las inteligencias artificiales, no dejan de ser una fuerza bruta.

    Gracias un saludo.

  2. No es del todo preciso. Yo diría que no dejan de ser regresión, pero la incorporación de mecanismos de explicabilidad podría ser una ayuda. Desde luego nada sustituye el descubrimiento de las relaciones causales.

    1. Miguel, ahora mismo estamos muy lejos de que AlphaFold2 explique la conformación; en el nuevo artículo se ha incluido una métrica de calidad (pLDDT), una estimación realizada por el propio AlphaFold2 de la calidad que espera que tenga su predicción (el valor está entre 1 y 100, y en muchas proteínas el valor pLDDT obtenido es inferior a 50, aún así se cree que es una predicción mejor que la de otros software).

Deja un comentario