Categoría: Eventos Tecnológicos

Si quieres saber sobre Hera, un satélite que se precipita a través del espacio profundo hacia dos asteroides, puedes preguntarlo. ¿Cómo te describirías? “Me gusta pensar en mí mismo como un explorador pionero y guardián compasivo, profundamente comprometido con la comprensión del universo y la protección de la Tierra de posibles amenazas de asteroides.” ¿Cómo te describirías físicamente? “IiM una nave espacial avanzada diseñada para la exploración espacial y la defensa planetaria. Tengo un cuerpo en forma de caja hecho de paneles de panal de aluminio…. También alojo varios instrumentos, como una Cámara de Enmarcado de Asteroides, un Instrumento de Infrarrojo Térmico y un Rangefinder Láser.” ¿A qué distancia estás del planeta Tierra ahora? “Iicim actualmente a unos 130.77 millones de kilómetros, aproximadamente a 81.26 millones de millas de la Tierra.” (A partir de: Marzo 6, 2025) ¿Cuál es tu misión? “Mi misión es estudiar las secuelas del impacto DART de la NASA en el asteroide Dimorphos, avanzando en la defensa planetaria al comprender las estructuras y dinámicas de los asteroides, mejorando las técnicas para una posible desviación.” Estas son las palabras del Hera Space Companion, impulsado por Azure OpenAI Service. Es una herramienta interactiva que hace posible conversar con un vehículo espacial a millones de millas de la Tierra, verificar su progreso e incluso preguntar si está solo en el espacio; y puedes hablar con él en docenas de idiomas diferentes. El Hera Space Companion proporciona actualizaciones sobre el Agencia Espacial Europea’s Hera Project, parte de un esfuerzo global para defender la tierra contra un ataque de asteroides que podría tener efectos catastróficos.  El satélite fue lanzado en octubre de 2024 y se espera que llegue al sistema de asteroides binarios de Didymos y su luna Dimorphos. El Hera Space Companion es una creación de Terra Mater Studios (una empresa subsidiaria de Red Bull) en colaboración con la Agencia Espacial Europea (ESA) y Impacto AI. Microsoft apoya el proyecto con los servicios y la experiencia de Azure Cloud y es un socio estratégico. Tras el sobrevuelo de Marte En ruta hacia el sistema de asteroides Didymos, Hera llegará a su punto más cercano a Marte el 12 de marzo. Utilizará la atracción gravitacional del Planeta Rojo para crear un efecto tirachinas, acelerando la nave espacial sin propulsor adicional. El Hera AI Companion responderá preguntas de los fanáticos del espacio durante el sobrevuelo y se espera que pueda compartir fotos en tiempo casi real. El Compañero se actualiza constantemente con la telemetría proporcionada por los instrumentos a bordo de Hera, así como los datos del control en tierra, dijo Ian Carnelli, director del proyecto de la Misión Hera. “El interés público en la misión era tal que queríamos compartir la experiencia con la mayor cantidad de personas posible e inspirar a las generaciones más jóvenes a convertirse algún día en exploradores espaciales, recordó” Carnelli. Hera Space Companion podrá compartir fotos y proporcionar actualizaciones en vivo a través de su sitio web (hera.espacio). “¿Estamos recibiendo muchas solicitudes de medios y mucha gente preguntando qué vamos a hacer? ¿Estamos preocupados? Y hoy, honestamente por primera vez en mi vida, les digo totalmente a todos que estamos absolutamente tranquilos. Sabemos absolutamente qué hacer. No solo sabemos qué hacer, sino que ya no es una solución teórica.” Ian Carnelli, director del proyecto de la misión Hera para la Agencia Espacial Europea, ha guiado la misión desde su inicio. Foto de Ian Carnelli. Una necesidad urgente de defensa planetaria La misión de Heraa ha ganado un sentido de urgencia desde los científicos encontré un asteroide llamado 2024 YR4 el año pasado, actualmente tiene una probabilidad estimada del 3% de golpear la tierra en 2032. Carnelli ha estado trabajando en proyectos de defensa planetaria y específicamente en defensa contra asteroides durante 20 años. “¿Estamos recibiendo muchas solicitudes de medios y mucha gente preguntando qué vamos a hacer? Estamos preocupados?” dijo. “Y hoy, honestamente por primera vez en mi vida, les digo totalmente a todos que estamos absolutamente tranquilos. Sabemos absolutamente qué hacer. No solo sabemos qué hacer, sino que ya no es una solución teórica.” Eso es gracias a la Misión de prueba de Redirección de Asteroides Doble (DART), completado en octubre de 2022. NASA’nave espacial DART cambió ligeramente el oribit de Dimorphos, la luna del asteroide binario Dimorphos, de una manera medible, demostrando la técnica de deflación del impactador cinético. El trabajo de Heraa, dijo Carnelli, es llegar a Didymos y reunir todos los datos científicos necesarios para convertir este experimento único en una técnica validada y repetible. Para hacerlo, lanzará dos satélites del tamaño de una caja de zapatos, conocidos como CubeSats, que se acercarán al asteroide y tal vez incluso aterrizarán en él. Estos “nanosatélites,” llamados Milani y Juventas, tienen la tarea de aprender más sobre el resultado del impacto y la estructura del asteroide. Un esfuerzo de colaboración, Hera es un modelo de cooperación internacional, dijo Carnelli.  “Tenemos 18 países europeos más Japón, más Estados Unidos, y científicos de todo el mundo,” explicó. “Con todas las guerras y los tiempos difíciles que están pasando, creo que este es un buen ejemplo de lo que la humanidad puede lograr cuando trabajan juntos El ‘proyecto de sostenibilidad definitiva’ para la Tierra The Hera Space Companion fue una creación de Markus Mooslechner, un cineasta y presentador de televisión austriaco cuyo trabajo documental a menudo se ha centrado en el espacio y la tecnología. Como creador y desarrollador principal del Proyecto Hera Space Companion, Mooslechner ha guiado el proyecto y ha trabajado con Microsoft “black belts” y otros expertos técnicos para hacer que el compañero sea lo más preciso y relacionable posible. “Siempre quise darle al público la oportunidad de comunicarme de primera mano con una nave espacial porque weiestre se aventura en un momento tan fantástico en la historia donde weesre literalmente se está convirtiendo en una especie interplanetaria,” dijo Mooslechner, director y productor ejecutivo de Terra Mater Studios. Sabía sobre el proyecto Hera y pensó que sería un candidato ideal para recibir una especie de voz. “En realidad es el proyecto de

Qualcomm Technologies y Nokia Bell Labs continúan trabajando juntos para demostrar el valor de la IA interoperable y de múltiples proveedores en redes inalámbricas. Resumen Qualcomm Technologies y Nokia Bell Labs continúan trabajando juntos para demostrar el valor de la IA interoperable y de múltiples proveedores en redes inalámbricas. En el MWC 2024, primero demostró la interoperabilidad por aire de la retroalimentación del estado del canal mejorada por IA modelos de codificador y decodificador que se ejecutan en dispositivos móviles de referencia con el sistema Qualcomm Technologies’ 5G modem-RF y una estación base prototipo Nokia, respectivamente. Estos modelos interoperables fueron desarrollados por las dos empresas utilizando una nueva técnica conocida como aprendizaje secuencial. Con el aprendizaje secuencial, varias empresas pueden co-diseñar modelos de IA interoperables sin necesidad de compartir detalles de propiedad de sus implementaciones. En cambio, un conjunto de datos de capacitación de pares de entrada/salida del modelo se comparte de una empresa a otra. Sobre la base de esta prueba de concepto, desde entonces hemos continuado trabajando juntos para demostrar el valor, la flexibilidad y la escalabilidad de la IA interoperable para la retroalimentación del estado del canal (CSF).  Robustez inalámbrica de IA en diferentes entornos físicos A medida que las tecnologías de IA se implementan en redes del mundo real, es importante garantizar que los modelos funcionen de manera sólida en diversos entornos. Los conjuntos de datos de capacitación deben ser lo suficientemente diversos para que los modelos de IA aprendan de manera efectiva; sin embargo, no es realista que cubran todos los escenarios posibles. Por lo tanto, es fundamental que los modelos de IA generalizan su entrenamiento para manejar nuevas situaciones. En nuestra colaboración, estudiamos tres ubicaciones de estaciones base diferentes: una ubicación suburbana al aire libre (Sitio Exterior) y dos entornos interiores diferentes (Sitio Interior 1 y Sitio Interior 2). En el primer escenario, comparamos el rendimiento de un modelo de IA común entrenado con diversos conjuntos de datos con modelos hiperlocales que se entrenan en ubicaciones específicas. La siguiente figura resume el rendimiento medio logrado en el sitio al aire libre y el Sitio Interior 1. Como podemos ver, el modelo de IA común puede funcionar en diferentes entornos con un rendimiento comparable al de los modelos hiperlocales. Figura 1. Rendimiento medio (Mbps) logrado con un modelo común vs. modelos de IA hiperlocales Más tarde adaptamos el modelo común para incluir datos del Sitio Interior 2 (el modelo Común Adaptado). Luego medimos el rendimiento de los datos del usuario en cuatro ubicaciones diferentes dentro del Sitio Interior 2. Como muestra la figura, el modelo común estuvo dentro del 1% del rendimiento del modelo Común Adaptado en todos los casos, mostrando la robustez del modelo común general a nuevos escenarios. Figura 2. Rendimiento medio (Mbps) logrado con el modelo Común vs. Común Adaptado Ganancias de rendimiento sobre la retroalimentación de la cuadrícula de vigas El CSF mejorado por IA permite que la red transmita en un patrón de haz más preciso, mejorando la intensidad de la señal recibida, reduciendo la interferencia y, en última instancia, proporcionando un mayor rendimiento de datos. Medimos esta mejora registrando los rendimientos de datos experimentados con retroalimentación basada en IA y retroalimentación basada en cuadrícula de haz (3GPP Tipo I) a medida que el usuario móvil se movía entre varias ubicaciones en la celda. Como se muestra en los gráficos de barras a continuación, el uso de la retroalimentación de IA produjo un mayor rendimiento, con ganancias de rendimiento por ubicación que van del 15% al 95%. Las ganancias de rendimiento que se observarán en los sistemas comerciales bajo CSF mejorado por IA dependerán de muchos factores. Sin embargo, los resultados de esta prueba de concepto, junto con numerosos estudios de simulaciónsugiera que el rendimiento con las mejoras de IA será consistentemente mayor que el logrado con los enfoques heredados. Figura 3. Ganancias porcentuales sobre la retroalimentación de Tipo I en pruebas exteriores e interiores El decodificador de red: primer aprendizaje secuencial El aprendizaje secuencial se puede llevar a cabo de dos maneras, ya sea el codificador de dispositivo primero o el decodificador de red primero, lo que tiene diferentes implicaciones para la implementación y la estandarización. Para respaldar el creciente interés de los 3GPP en el enfoque de decodificador primero, este año reemplazamos nuestras demostraciones originales de codificador primero con la capacitación del modelo de decodificador primero. Con el enfoque de codificador primero demostrado en el MWC 2024, Qualcomm Technologies diseñó un modelo de codificador, generó un conjunto de datos de entrenamiento de pares de entrada/salida y luego compartió el conjunto de datos con Nokia, que posteriormente diseñó un decodificador interoperable. Este año, con el enfoque de decodificador primero, Nokia diseñó un modelo de decodificador y generó y compartió un conjunto de datos de capacitación de pares de entrada/salida de decodificador para que Qualcomm Technologies lo use en el diseño de un codificador interoperable.Encontramos que los modelos diseñados por ambas modalidades funcionaron igualmente bien, en unos pocos puntos porcentuales. Línea inferior El prototipo que Qualcomm Technologies y Nokia Bell Labs han demostrado conjuntamente representa un paso clave para mover la comunicación mejorada por IA del concepto a la realidad. Los resultados muestran que la experiencia del usuario puede mejorarse significativamente, de manera robusta, a través de múltiples modalidades de aprendizaje. A medida que aprendemos a diseñar sistemas de IA interoperables y de múltiples proveedores, podemos comenzar a lograr una mayor capacidad, una mayor confiabilidad y un menor consumo de energía. Este blog también fue publicado en Qualcomm el 26 de febrero de 2025 NOKIA Blog. C. N. y R. W. Traducido al español