Implementación para investigación en plasmas como futura fuente de energía del dispositivo de confinamiento magnético de tipo Tokamak esférico llamado MEDUSA en Costa Rica

El tokamak esférico anteriormente llamado MEDUSA (Madison EDUcation Small Aspect ratio tokamak, R < 0.14 m, a < 0.10 m, BT < 0.5 T, Ip < 40 kA, 3 ms de pulso) es un dispositivo de confinamiento magnético pequeño, ya construido y que se encuentra en el Instituto Tecnológico de Costa Rica (TEC). Fue construido en la Universidad de Wisconsin-Madison para realizar investigación en plasmas como futura fuente de energía (investigación en fusión) y puede utilizarse como un experimento altamente sinérgico con el proyecto: Diseño y construcción de un Stellarator modular pequeño para el confinamiento magnético de plasmas (Proyecto SCR-1) actualmente en ejecución en el TEC, ya que puede utilizar las mismas fuentes de alimentación, diagnósticos, sistemas de control y adquisición de datos, además de las instalaciones del Laboratorio de Plasmas para Energía de Fusión y Aplicaciones así como su personal. El propósito de este proyecto de investigación, y este dispositivo llamado ahora MEDUSA-CR es llevar a cabo varias tareas en paralelo; entre ellas la puesta a punto de la máquina, el desarrollo de diagnósticos, desarrollo de sistemas adicionales y modelos computacionales. El programa científico preliminar pretende aclarar varias cuestiones de física relevantes para los tokamaks en general y los tokamaks esféricos en particular. Los temas más importantes incluyen transporte, calentamiento y conducción de corriente por medio de ondas Alfvén, además de la operación de un tokamak esférico con una configuración de divertor natural y con limitador magnético ergódico. El proyecto MEDUSA-CR también permitirá la formación de estudiantes en ingeniería y física de plasmas así como temas técnicos necesarios también para el proyecto SCR-1. Se espera una fuerte colaboración con las comunidades internacionales de investigación en física de plasmas y fusión, a través de la red de la Agencia Internacional de Energía Atómica (IAEA por sus siglas en inglés).

Estudio de algoritmos de computadora que mejoran automáticamente aplicado a enfermedades que afectan a la producción de cultivos.

Un tema que ha ocupado la atención de la humanidad es el de la producción de alimentos y ésta vista desde varias perspectivas: la calidad de la semilla, el proceso de producción, las enfermedades que afectan la productividad, el efecto del clima y el lugar; entre otras perspectivas. 

Como un aporte a la situación anterior, este trabajo presenta la aplicación de una de las disciplinas de la inteligencia artificial, conocida como aprendizaje máquina, la cual consiste en el estudio de algoritmos de computadora que mejoran automáticamente a través de la experiencia. Este tipo de aprendizaje ha sido utilizado en aplicaciones desde la minería de datos que descubren las reglas en grandes conjuntos de datos, hasta sistemas de filtración de información que automáticamente aprenden los intereses de los usuarios.

Como un caso en particular la Coorporación Bananera Nacional en Costa Rica (Corbana) cuenta con estaciones que miden variables meteorológicas Entre las variables medidas por estas estaciones están: temperatura, precipitación, humedad, velocidad del viento, entre otras.

En Corbana están interesados en relacionar esto con la propagación de una enfermedad que afecta su producción, dicha enfermedad es la sigatoka.  Para este fin, la organización registra semanalmente en varias de sus fincas las siguientes variables relacionadas con dicha enfermedad: estado de evolución, severidad Hoja 2, severidad hoja 3, entre otras. Con dicha información y utilizando el aprendizaje máquina se desean realizar predicciones que ayuden a los expertos en la materia a tomar decisiones al respecto.

Se han aplicado varios algoritmos de aprendizaje máquina con los datos disponibles y se están obteniendo unas primeras conclusiones que serán afinadas con el pasar del tiempo.

Este trabajo tiene como objetivo identificar los factores que son responsables por el mecanismo de compensación de dosis génica en cáncer aneuploide. Para lograr esto proponemos el desarrollo de una nueva plataforma computacional-experimental para modelar las redes de proteínas y ARNs responsables de éste mecanismo. Nuestros hallazgos preliminares utilizando un set de datos reducido sugieren que existen alrededor de 50 genes regulados y que este mecanismo puede ser mediado por una red de miRNAs y factores de transcripción con propiedades de sistemas no lineales, lo que ya ha sido reportado como circuito de adaptación a cambios en dosis génica (Bleris et al, 2011).

Además, exploraremos las propiedades de interacción de estos genes con lncRNAs (ARNs no codificantes de cadena larga), los cuales han sido reportados ampliamente en fenómenos de compensación de dosis génica (Rinn & Chang, 2012). Proponemos entonces el desarrollo de una plataforma biocomputacional para identificar mecanismos de compensación de dosis génica: i) integrando múltiples fuentes de datos de cáncer, ii) desarrollar programas de computación orientados a la identificación de factores que median este mecanismo y iii) modelar matemáticamente y simular estos sistemas para identificar blancos óptimos contra el cáncer. Los candidatos identificados por esta plataforma serán probados de manera experimental utilizando inhibidores de miRNAs (anti-miRs) para confirmar su potencial utilización como terapias contra cáncer.

Entidad financiadora:

Consejo Nacional de Rectores de Costa Rica (CONARE). Convocatoria 2017 de Proyectos de Investigación con Recursos del Fondo del Sistema (FEES)

Entidades participantes:

• Laboratorio LIANA (TEC)
• Laboratorio Quimiosensibilidad Tumoral (UCR)
• Laboratorio de Investigación e Innovación Tecnológica (UNED)

Se estima que hay cerca de 400.000 especies de plantas en nuestro planeta. En Costa Rica, se han identificado alrededor de 11.000 especies y se espera que exista un total de cerca de 12.000 especies.

La identificación de plantas es fundamental para varios ámbitos, entre estos:

• Estudios de riqueza biológica de una región.
• Inventarios biológicos.
• Monitoreo de poblaciones de plantas y animales en peligro de extinción.
• Estudio de mpacto del cambio climático en los bosques.
• Modelos de especies invasoras.

Costa Rica no solo tiene una biodiversidad extraordinaria (aproximadamente el 4% de la biodiversidad mundial) sino que también se ha distinguido por el uso innovador de la tecnología de la información dedicada a la conservación de la biodiversidad, y también por sus parques nacionales de conservación, que es un modelo a seguir en todo el mundo.

Sin embargo, la identificación de especies de plantas es un proceso que normalmente requiere el conocimiento y uso de claves dicotómicas, claves interactivas o simplemente la experiencia de un experto. Esto hace que el proceso sea tedioso, ineficiente y propenso a errores.

Nuestro objetivo es apoyar la identificación eficiente y semiautomática de las especies de plantas de Costa Rica, con base en sus imágenes de plantas. Estamos trabajando en la creación de nuevas funciones de pérdida que tengan en cuenta la taxonomía de las plantas, como una jerarquía en arquitecturas de aprendizaje profundo de etiquetas múltiples. Esto se debe a que la taxonomía tiene varios niveles, como especies, géneros, familias, de tal manera que podemos clasificar no solo en un nivel sino en varios. Estamos trabajando en nuevas capas de pérdida que utilizan este conocimiento previo para calcular la pérdida.