Se revelan los patrones matemáticos que siguen las abejas para fabricar sus panales

Un equipo de científicos, liderado por el Instituto Andaluz de Ciencias de la Tierra (IACT), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad de Granada, develaron por primera vez qué patrones matemáticos siguen las abejas para fabricar sus perfectos panales.

Los resultados se han publicado en la revista Journal of the Royal Society Interface, demuestran en un ejemplo de la aplicabilidad de las matemáticas a la naturaleza que las abejas sin aguijón australianas (Tetragonula carbonaria) construyen sus panales siguiendo complejos patrones sin tener un plan previo.

Siguen las mismas reglas matemáticas que los átomos o las moléculas cuando se agregan a un cristal.

La investigación permitió elaborar un modelo matemático que explica cómo las abejas llegan a estos patrones sin necesidad de tener un plan previo ni coordinación global.

Cada abeja individualmente necesita información acerca de su entorno más próximo. Con esta mínima información, cada obrera puede contribuir al crecimiento sin necesidad de una coordinación de grupo ni una inteligencia superior.

Los expertos simplificaron el modelo hasta reducirlo a tan solo dos parámetros: (R) el tamaño típico de la abeja y (α) un término aleatorio relacionado con la variabilidad en las celdas del panal.

Fuente:

https://www.clarin.com/internacional/revelan-patrones-matematicos-siguen-abejas-fabricar-panales-perfectos_0_niKGcx6-b.html

Un estudio matemático estima que 13 estados de EEUU están aún en la primera ola del coronavirus y 31 en la segunda

Matemáticos estadounidenses han estudiado los datos de casos de coronavirus de los 50 estados del país norteamericano más el Distrito de Columbia, para un período que abarca del 21 de enero al 31 de julio. Según sus hallazgos, 31 estados y Columbia estaban experimentando una segunda ola a finales de julio, mientras que 13 se encuentran aún en la primera ola.

Su método, explicado en un artículo en la revista Chaos, suaviza los datos crudos de recuento de casos diarios para eliminar los recuentos artificialmente bajos durante los fines de semana.

Un punto de inflexión se produce cuando una curva descendente se eleva o una curva ascendente se vuelve descendente. Solo se cuentan aquellas secuencias en las que las amplitudes de pico y de depresión difieren en una cierta cantidad mínima.

Trece estados, incluyendo Georgia, California y Texas, tuvieron un número creciente de casos a lo largo de todo el período estudiado. Se considera que estos estados están todavía en su primera oleada. Otros 31 estados, incluyendo Florida y Ohio, exhiben secuencias de la forma TPTP: cero casos hasta un primer pico, luego otro punto mínimo y máximo.

Leer más:

https://www.infosalus.com/salud-investigacion/noticia-estudio-estima-13-estados-eeuu-estan-aun-primera-ola-mientras-31-segunda-20200924181208.html

Un modelo matemático prevé que la segunda ola del coronavirus se extienda en Europa hasta enero de 2021

Una investigación, llevada a cabo por expertos del Institut de Physique des 2 Infinis (IP2I) y la Universidad de Lyon advierte de que Europa sufrirá una segunda ola de coronavirus hasta enero de 2021.

Emplean un modelo matemático alimentado con datos de la primera ola que permite una variación del 15% en las tasas de infección.

Los tiempos de los picos de la segunda ola dependen en gran medida de las tasas de infección, por lo que aquellos países con índices más altos llegarán a ese punto culminante antes que otros.

Este modelo tiene la ventaja de que puede adaptarse a la inclusión de nuevos datos, lo cual lo convierte en una herramienta muy útil para gobiernos, mercados financieros, la industria y ciudadanos individuales.

Leer más:

https://www.heraldo.es/noticias/internacional/2020/09/23/un-modelo-matematico-predice-que-la-segunda-ola-de-la-covid-19-en-europa-se-extendera-hasta-enero-de-2021-1396653.html

La matemática que hay detrás del coronavirus

Los modelos matemáticos y computacionales responden con eficacia a las incógnitas más complicadas de desvelar en una situación sanitaria como la que vivimos debido al coronavirus.

Los modelos SIR (Susceptible-Infectado-Recuperado,por sus siglas en inglés) han demostrado una gran utilidad a la hora de estudiar y combatir otras epidemias como el dengue, el ébola o el zika.

Gracias a un modelo de estas características, Juan José Nieto, catedrático de Análisis Matemático y director del Instituto de Matemáticas de la Universidad de Santiago de Compostela, y su equipo pudieron predecir, tras conocerse el primer caso positivo por coronavirus en Galicia el 4 de marzo, que el pico de la epidemia se produciría en la primera semana de abril.

Pero no pasa lo mismo cuando se trata de hacer predicciones del comportamiento del coronavirus a largo plazo.

Aún quedan muchas incógnitas por desvelar, como su manera de contagio, su componente genética o las reinfecciones en recuperados.

La incertidumbre con respecto a los nuevos virus y bacterias no es algo nuevo, ha pasado en distintos momentos de la historia con casi todas las epidemias.

Aprender del pasado y mirar al futuro también es esencia en la evolución de los algoritmos y los modelos matemáticos. Los investigadores analizan las redes sociales como contexto para obtener predicciones certeras. Es el caso de un grupo internacional de la Universidad de Harvard que ha creado un algoritmo capaz de predecir los brotes de coronavirus hasta 14 días antes de que sucedan.

Fuente:

https://www.larazon.es/salud/20200911/ozbkp6xflzbjbfiluamj7st6fu.html

Puerto Rico lanza un estudio de modelos matemáticos contra el coronavirus

Un equipo de investigación de la Universidad de Puerto Rico (UPR) lidera un proyecto basado en modelos matemáticos para diseñar nuevas medidas que contribuyan a frenar la expansión del coronavirus.

Los primeros seis meses del estudio se dedicarán a la recopilación de datos, mientras que la segunda parte del periodo se trabajará en la elaboración del informe y propuesta de medidas que puedan contribuir a que se reduzca la expansión del virus, tanto en la isla caribeña como en cualquier parte del mundo.

Una vez se concluya el estudio se espera presentar métodos adicionales para la erradicación de la epidemia.

El estudio incluirá analizar en determinados municipios en resultado del uso de mascarillas para reducir el contagio, el cierre de escuelas y el rastreo de casos, entre otros, lo que servirá para entender mejor el alcance de esas medidas y su uso como disuasorio para prevenir el contagio.

Fuente y más información:

https://www.eldiario.es/sociedad/puerto-rico-lanza-un-estudio-de-modelos-matematicos-contra-la-covid-19_1_6192000.html

Un modelo matemático predice con más fiabilidad la mortalidad por calor de los organismos

Una investigación internacional, con participación de la Universidad Autónoma de Barcelona y publicado en Science, ha elaborado un nuevo modelo matemático que supone un cambio de paradigma para predecir las probabilidades de muerte por estrés térmico de pequeños organismos.

El modelo propuesto en este estudio por los investigadores Mauro Santos (Universidad Autónoma de Barcelona), Enrico L. Rezende y Francisco Bozinovic (Universidad Católica de Chile) y András Szilágyi (Eötvös Loránd University, Hungría) parte de la premisa de que el impacto acumulativo de cualquier estrés térmico varía con la temperatura y con el tiempo. Supone un cambio de paradigma para predecir la mortalidad por temperaturas extremas desde un modelo estático basado en un límite crítico a otro dinámico, más sólido y realista.

El margen de seguridad térmica es la diferencia entre la máxima tolerancia de una especie al calor y la temperatura ambiental máxima que experimenta esa especie sobre el terreno. Suele ser muy alto para las especies que habitan en latitudes medias.

Con el modelo mencionado se muestra que una sola función de supervivencia o probabilidad de muerte describe perfectamente los resultados obtenidos en el laboratorio para once especies de moscas Drosophila.

Este modelo puede ser aplicado a otros ectotermos, cuya supervivencia puede ser medida en el laboratorio y en microhábitats térmicos estimados con precisión sobre el terreno.

Fuente:

https://www.agenciasinc.es/Noticias/Un-modelo-matematico-predice-con-mas-fiabilidad-la-mortalidad-por-calor-de-los-organismos

Enlace al artículo:

https://science.sciencemag.org/content/369/6508/1242

La Universidad Nacional de Tres de Febrero (Argentina) crea un modelo matemático para predecir el pico de casos de coronavirus

Investigadores de la Universidad Nacional de Tres de Febrero (Untref), situada en Argentina, elaboraron un modelo de cálculo matemático mediante el cual estiman que el pico de contagios de coronavirus en el país sudamericano ocurrirá entre el 10 y el 20 de agosto próximo.

Tomaron el tiempo medio entre dos infecciones consecutivas en una misma población y que pueden estar separadas en distancia, y los datos de infectados.

Al inicio de la epidemia este indicador (que se mide en minutos) va disminuyendo su valor ya que las infecciones se producen cada vez más rápido y al alcanzarse el pico en la tasa de contagios asume un valor casi constante.

Los investigadores tomaron los datos de Italia, donde se observa que alrededor del día que se produce el pico en la tasa de contagios se produce el mínimo en el tiempo medio entre infecciones.

Los datos de Argentina muestran que el tiempo medio entre infecciones se encuentra en su etapa descendente con un valor actual de 0.28 minutos.

Fuente:

https://www.pagina12.com.ar/281800-coronavirus-un-modelo-matematico-para-predecir-el-pico-de-ca

Un modelo matemático explica la formación de bandas en el pez cebra

Investigadores de la Universidad de Bath han elaborado un modelo matemático para explicar cómo el pez cebra desarrolla sus rayas.

El pez cebra proporciona información fundamental sobre los complejos y procesos que sustentan la biología. Estudiar su aspecto puede ser relevante para la medicina, ya que la formación de patrones es una característica importante del desarrollo de los órganos.

Este nuevo modelo allana el camino para nuevas exploraciones en los sistemas de diseño de pigmentos y su similitud entre las diferentes especies.

Las rayas de un pez cebra adulto ‘tipo salvaje’ se forman a partir de células que contienen pigmento llamadas cromatóforos. Hay tres tipos diferentes de cromatóforos en los peces. Estas células pigmentarias se mueven alrededor de la superficie del animal, interactuando entre sí y autoorganizándose en el patrón de rayas para el que se nombra a los peces. Ocasionalmente, aparecen mutaciones que cambian la forma en que las células interactúan entre sí durante el desarrollo del patrón, lo que da como resultado manchas parecidas a laberintos o piel de leopardo.

Para probar las teorías biológicas, el equipo de Bath creó un modelo matemático que incorporó los tres tipos de células y todas sus interacciones conocidas. El modelo ha demostrado ser exitoso, prediciendo el desarrollo del patrón de peces tanto salvajes como mutantes.

Leer más:

https://www.europapress.es/ciencia/laboratorio/noticia-modelo-matematico-explica-formacion-bandas-pez-cebra-20200727135116.html

Lo que pueden predecir las matemáticas y la computación sobre el coronavirus

Investigadores de la Universidad Simón Bolívar, aplicando las matemáticas y usando la computación, profundizan en el conocimiento en torno al uso de modelos predictivos vinculados con el avance del coronavirus en Colombia.

Profesores de la Universidad Simón Bolívar sede Cúcuta, pertenecientes al nuevo programa de Matemáticas y Ciencias de la Computación, basándose en sus conocimientos, trabajan en conocer a través de modelos predictivos el comportamiento de la epidemia, teniendo en cuenta el abordaje de la computación científica.

Miguel Vera y Antonio Bravo se propusieron, inicialmente, determinar las capacidades de aproximación y predicción de funciones polinomiales a las series de tiempo de casos confirmados de coronavirus en Sudamérica, reportadas entre el 26 de febrero y el 16 de mayo de 2020. Su trabajo se fundamentó en el desarrollo de modelos que no requieren una amplia cantidad de datos.

El error obtenido en la predicción para Colombia, únicamente para casos relacionados, fue de sólo 15 casos en el período de estudio, comparado con el error de más de 10.000 casos que se encontraron usando elementos de matemática clásica para el mismo período en toda Sudamérica.

Leer más:

https://www.laopinion.com.co/cucuta/lo-que-pueden-predecir-las-matematicas-y-la-computacion-sobre-el-coronavirus-199792

Un modelo matemático para prever futuras epidemias

La Generalitat de Cataluña anunció ayer la puesta en marcha de un proyecto basado en tecnologías avanzadas de big data e inteligencia artificial que permitirá prever nuevas epidemias y tomar decisiones por anticipado.

La iniciativa se denomina Observatorio Epidemiológico y trata de crear una herramienta digital que, mediante el tratamiento combinado de datos anonimizados, permita predecir patrones de evolución de procesos epidemiológicos.

Consiste en códigos informáticos y modelos complejos que se alimentan de fuentes de datos extraídas de redes de telefonía móvil, sistemas de salud o meteorológicos y ambientales. Una vez cruzados, depurados y tratados con técnicas de machine learning, se obtienen modelos predictivos.

Fuente:

https://www.lavanguardia.com/vida/20200717/482339763221/observatorio-epidemiologico-big-data-inteligencia-artificial.html