Coloquio: Nuevos superconductores no convencionales y nematicidad electrónica

Coloquio: String theory, from the landscape to the swampland

Mariana Graña
Université Paris-Saclay

String theory is the most compelling candidate that encompasses all four interactions observed in nature. While the “first superstring revolution” proved the quantum consistency of five string theories, the second revolution showed that these were actually five different limits of a single theory, consistently defined in ten space-time dimensions.  Despite its uniqueness, string theory has a ‘landscape” of low-energy solutions with very different observable physics in four dimensions. The complement of the landscape is called the swampland, and it is defined as the set of effective theories that fulfil all consistency conditions at low energies, yet they cannot be coupled to a quantum gravity theory at high energies. After introducing string theory, in this colloquium we will make an excursion into the landscape, trying to avoid the swampland. We will focus in particular on the problem of accelerated expansion of the universe.

Coloquio Nobel 2024

Gabo Mindlin / Enzo Tagliazucchi

El Premio Nobel de Física 2024 ha sido otorgado a John Hopfield y Geoffrey Hinton por su contribución fundamental al desarrollo de métodos que subyacen a las herramientas poderosas del aprendizaje automático moderno. John Hopfield revolucionó la física computacional al crear una memoria asociativa capaz de almacenar y reconstruir imágenes y patrones en datos, mientras que Geoffrey Hinton inventó métodos que permiten a los sistemas identificar propiedades en datos de manera autónoma, desempeñando tareas como la identificación de elementos específicos en imágenes.

En esta charla, analizaremos los principios físicos detrás de sus contribuciones y cómo estos métodos han transformado tanto la física como otras disciplinas. También presentaremos elementos para enriquecer la discusión sobre la naturaleza del galardón: ¿es realmente un avance dentro de la física o más bien una extensión interdisciplinaria hacia la inteligencia artificial y el aprendizaje automático? Más que ofrecer respuestas cerradas a estos debates, proporcionaremos herramientas conceptuales y técnicas para abonar la conversación en torno a estos temas dentro de la comunidad científica.

Ciencia de datos y machine learning para la caracterización de planetas extrasolares

Rodrigo Fernando Diaz
UNSAM / CONICET

En la búsqueda de desentrañar los misterios de nuestro universo, el descubrimiento y caracterización de planetas extrasolares ha sido uno de los empeños más cautivantes de la astronomía moderna. Los procesos de formación y evolución de los exoplanetas se han puesto de manifiesto gracias a casi 30 años de esfuerzos observacionales y teóricos.

Al mismo tiempo, la revolución de los datos está cambiando radicalmente la forma de investigar en diversos campos de las ciencias físicas, desde la física de partículas a la dinámica molecular, pasando por la cosmología. El ámbito de la ciencia exoplanetaria no es una excepción. Los avances en la ciencia de datos y el aprendizaje automático se están convirtiendo en herramientas indispensables para explotar plenamente los conjuntos de datos disponibles y prepararse para futuros instrumentos.

De hecho, la ciencia exoplanetaria se encuentra en la intersección de dos olas de transformación, donde la interacción dinámica entre la tecnología de observación de vanguardia y las herramientas analíticas basadas en datos prometen marcar el comienzo de una nueva era de descubrimientos y revelaciones. En esta charla, presentaré una visión general del estado del campo, y algunos resultados obtenidos por nuestro equipo utilizando herramientas de aprendizaje automático para mejorar las capacidades de detección de las técnicas actuales o la operabilidad de distintos instrumentos.