Edición del 19 de octubre de 2026

Lanzar una moneda solo parece aleatorio. Si conocieras cada detalle del lanzamiento, podrías predecirlo. ¿Podría el azar cuántico esconder el mismo tipo de detalles secretos?

En 1943, un matemático británico dijo que no. Su demostración usaba un solo fotón y un polarizador. Desencadenó once respuestas, diez de ellas en la revista Nature, en 1944 y 1945.

Una duodécima respuesta nunca llegó a imprimirse. Un investigador de Ginebra la encontró en Viena, en los archivos de Erwin Schrödinger. En unas pocas líneas, Schrödinger construyó exactamente el modelo que se suponía imposible.

Sin embargo, no creía en el determinismo; defendía el azar en la naturaleza desde los años veinte. Su modelo era una prueba de principio: una demostración de imposibilidad solo vale para el problema tal como está planteado.

Fuente: Schrödinger's unpublished hidden-variable model in the 1944–45 debate over the "Collapse of Determinism", https://arxiv.org/abs/2610.20752

Un megabar es aproximadamente un millón de veces la presión del aire que te rodea. Convierte los aislantes en metales. Lograrlo con ondas de choque suele requerir láseres gigantes en laboratorios nacionales.

Un equipo del MIT encontró un atajo. Un solo láser produce cuatro anillos de luz: el más grande se dispara primero y el más pequeño, el último. Cada anillo golpea una fina película de agua entintada justo cuando pasa el choque que avanza hacia el centro, y lo empuja con más fuerza.

Bastan cuatro anillos de 4,5 milijulios cada uno. Las simulaciones ajustadas a las trayectorias medidas del choque sitúan la presión en el centro por encima de 400 gigapascales. Cuatro anillos encadenados rinden mucho más que cuatro por separado.

Una advertencia: esa presión está calculada, aún no medida. Los rayos X deberían comprobarla. Si se confirma, la física de la materia extrema podría caber en una mesa de laboratorio corriente.

Fuente: Megabar Shocks on a Benchtop, https://arxiv.org/abs/2610.20749

En 1900, Hilbert pidió un método para decidir si cualquier ecuación polinómica tiene soluciones en números enteros. En 1970 llegó la respuesta: ese método no puede existir.

Para las fracciones, la respuesta llegó hace muy poco. A principios de octubre de 2026, una prepublicación de OpenAI demostró que la respuesta vuelve a ser no. Ningún algoritmo lo decide para todas las ecuaciones.

Zhi-Wei Sun, de la Universidad de Nankín, partió de esa demostración. Muestra que la imposibilidad ya se cumple para ecuaciones con solo 86 incógnitas. Sus herramientas son puntos de una curva elíptica y familias de números primos construidas con cuidado.

Para los números enteros, Sun ya había reducido la cifra a 10. En fracciones, 86 es lo que da esta construcción. Sun lo llama una cota superior, no un límite imposible de mejorar.

Fuente: 86 unknowns for Hilbert's tenth problem over the rationals, https://arxiv.org/abs/2610.20691

El galio puede atrapar neutrinos. De vez en cuando, uno convierte un átomo de galio en germanio. Contar esos átomos mide cuántos neutrinos han pasado.

Cuando los físicos apuntaron fuentes radiactivas intensas hacia el galio, encontraron alrededor de un 20 % menos de átomos de germanio. Ese déficit, confirmado a más de 4 sigma, es la «anomalía del galio».

Dos físicos recurrieron a otra fuente: el Sol. Su producción de neutrinos la miden otros detectores, como Borexino y SNO, con independencia del galio. Predijeron 67,5 capturas en unidades estándar. Los propios experimentos de galio midieron 66,1 ± 3,1.

Lo medido y lo predicho coinciden: el cociente es 0,98. Así que la tasa de captura en el galio no está mal, y el recuento tampoco. La anomalía es real, y su causa está en otra parte.

Fuente: Gallium Anomaly and Solar Neutrinos, https://arxiv.org/abs/2610.22219

Una radiografía de tórax suele llevar un sello en la esquina: un código del hospital, una etiqueta. Una IA puede aprender a leer ese sello en lugar de los pulmones. Y entonces falla, en silencio, en otro hospital.

Dos investigadores de la Universidad Makerere examinaron por dentro una IA de imágenes muy utilizada. De sus 144 cabezas de atención, una destacaba. En el 62 % de 200 radiografías de COVID-19, se quedaba mirando el texto de la esquina superior izquierda.

Si se borra el texto con una textura de tejido realista, la atención de esa cabeza vuelve hacia los pulmones. El mismo patrón aparece en otros dos modelos de IA y en un segundo conjunto de datos.

El giro: si se desactiva esa cabeza, incluso junto con otras dos cabezas sospechosas, los diagnósticos no cambian de forma medible. Las pruebas habituales no pueden ver el atajo. Solo mirar dentro del modelo lo revela.

Fuente: Spurious Attention Heads in Vision Transformers: Mechanistic Identification of Annotation-Driven Bias in Medical Chest X-Ray Analysis, https://arxiv.org/abs/2610.21638

Dos trayectos de la misma longitud pueden implicar subidas muy distintas. Y cada subida cuesta energía, una y otra vez, cada vez que se recorre. ¿Tiene eso en cuenta la forma de una ciudad?

Investigadores en España tomaron la red real de calles de 56 ciudades. Mantuvieron los mismos trayectos, obtenidos de publicaciones geolocalizadas, y movieron cada red sobre su terreno: desplazada, girada, estirada.

En 26 de las 30 ciudades que pudieron analizarse por completo, el trazado real necesita la menor energía de todas las versiones probadas. En las otras cuatro, una versión desplazada ahorra menos de un 3 %.

Bogotá ahorraría un 2,5 % si se moviera 750 metros al oeste. Pero ese terreno incluye zonas inundables a lo largo del río Bogotá. La ciudad real quizá ya ocupe el suelo más barato disponible.

Fuente: Mobility energetic balance frames spatial configuration of cities, https://arxiv.org/abs/2610.21558

Para evacuar antes de un ciclón, la gente necesita saber dónde golpeará con varios días de antelación. Los modelos meteorológicos de IA ya rivalizan en promedio con los mejores pronósticos clásicos. ¿Pero con las tormentas raras y violentas?

Un equipo del INRIA, la Universidad de la Sorbona y AXA volvió a simular 178 ciclones. Enfrentó tres modelos de IA que producen conjuntos completos de pronósticos con IFS-ENS, el conjunto basado en la física del ECMWF.

En la temporada de 2025, el modelo de IA FGN asignó más probabilidad a la posición real de la tormenta que IFS-ENS en cerca del 90 % de los ciclones. También situó mejor los vientos más fuertes y las presiones más bajas.

El punto débil: las tormentas de la IA son demasiado débiles. Sus vientos máximos se quedan cortos, mientras que IFS-ENS se mantiene más cerca de la referencia. Aun así, la relación entre viento y presión dentro de cada tormenta sale correcta.

Fuente: Can AI Forecast the Extremes? Evaluating Probabilistic Weather Models on Tropical Cyclones, https://arxiv.org/abs/2610.22077

El polvo cósmico atenúa la luz de una forma reveladora. En nuestra Vía Láctea, abre un hueco en el ultravioleta cerca de los 2175 ángstroms. Los sospechosos habituales son diminutos granos de carbono.

Un equipo internacional dirigido desde la Universidad de Padua estudió una galaxia apodada la Perla Negra. El telescopio Webb la ve tal como era unos 500 millones de años después del Big Bang.

Su luz muestra ese mismo hueco del polvo, detectado a 17,6 sigma. Es el más lejano registrado hasta ahora. Pero se sitúa en 2132 ángstroms, desplazado hacia el azul.

Los huecos conocidos en galaxias algo posteriores están desplazados en sentido contrario. Así que el polvo más antiguo no era todo igual. Pequeños granos de grafito o unas moléculas de carbono llamadas HAP podrían encajar.

Fuente: An Attenuation Bump at z=9.3: Probing Dust Diversity at Cosmic Dawn, https://arxiv.org/abs/2610.20722

Pon a dos programas de aprendizaje sencillos a fijar precios uno contra otro. Acaban cobrando muy por encima del precio competitivo. Un estudio de referencia de 2020 vio detrás una amenaza: si me rebajas, te devuelvo el golpe.

Unos precios defendidos mediante represalias parecen un cártel. Esa lectura dio peso al resultado ante las autoridades de la competencia. Dos investigadores de São Paulo la sometieron a cinco pruebas.

Sube tu precio en lugar de bajarlo, y el rival «toma represalias» igualmente. Empareja a un agente con un desconocido, y la coordinación se desploma un 80 %. Y una desviación más inteligente saldría rentable: un 17,5 % más de beneficio de media.

Así que los precios se mantienen altos no porque se castigue hacer trampa, sino porque nunca se intenta. Barajar quién juega contra quién rompe el hábito.

Fuente: Algorithmic Collusion Without Deterrence: Auditing the Punishment Mechanism in Q-Learning Pricing Agents, https://arxiv.org/abs/2610.21867

Dibuja un círculo grande en papel cuadriculado y cuenta los puntos de la cuadrícula que quedan dentro. El recuento se acerca al área, pero nunca es exacto. ¿Hasta dónde puede crecer la diferencia?

Gauss demostró que la diferencia crece como mucho como X elevado a 1/2. Aquí X es el cuadrado del radio. Los matemáticos esperan 1/4, y no se puede mejorar eso.

Durante más de un siglo, el exponente ha ido bajando poco a poco. Cuatro matemáticos de Pekín alcanzan ahora 209/670, alrededor de 0,3119. El récord anterior era de alrededor de 0,3145.

Su valor queda justo por debajo de 5/16. Huxley sugirió en su día 5/16 como posible límite del método que estaba perfeccionando. Dos nuevos refinamientos técnicos lo han superado. El artículo es una prepublicación, y el camino hasta 1/4 sigue siendo largo.

Fuente: A New Bound for the Gauss Circle Problem, https://arxiv.org/abs/2610.21730