Para cada artículo de esta página, al menos uno de los autores originales ha visto nuestra explicación divulgativa y se ha implicado con ella — ya sea confirmando su precisión o solicitando correcciones que después aplicamos. Una confirmación no significa que los autores aprueben formalmente cada frase, pero sí que la explicación ha pasado por los ojos de quienes escribieron el artículo.

281 artículos revisados por autores · 241–250 / 281

Large-scale Integration of Experimental and Computational Data for 2D Materials

Este trabajo presenta X2DB, una infraestructura abierta que integra datos experimentales y computacionales de materiales bidimensionales para consolidar conocimiento fragmentado, facilitar la caracterización consistente y promover el descubrimiento predictivo de nuevos materiales.

Mohammad A. Akhound, Tara M. Boland, Mikkel O. Sauer, Matthias Batzill, Moses A. Bokinala, Stela Canulescu, Yury Gogotsi, Philip Hofmann, Andras Kis, Jiong Lu, Thomas Michely, Søren Raza, Wencai Ren (…)2026-03-06✓ Author reviewed 🔬 cond-mat.mtrl-sci

Metabolic quantum limit to the information capacity of magnetoencephalography

Este artículo establece un límite fundamental independiente de la tecnología para la capacidad de información de la magnetoencefalografía, derivado de la resolución energética cuántica y el metabolismo cerebral, que impone una tasa máxima de 2,2 Mbit/s y revela una compensación inherente entre el ancho de banda temporal y espacial debido a la supresión geométrica de los componentes multipolares superiores.

E. Gkoudinakis, S. Li, I. K. Kominis2026-03-06✓ Author reviewed ⚛️ quant-ph

How Effective Are Publicly Accessible Deepfake Detection Tools? A Comparative Evaluation of Open-Source and Free-to-Use Platforms

Este estudio evalúa comparativamente herramientas forenses y clasificadores de IA para la detección de deepfakes, revelando que, aunque los profesionales humanos superan ampliamente a todas las herramientas automatizadas, estas últimas presentan patrones complementarios de rendimiento (alta sensibilidad frente a alta especificidad) y que el juicio humano prevalece en la mayoría de los desacuerdos.

Michael Rettinger, Ben Beaumont, Nhien-An Le-Khac, Hong-Hanh Nguyen-Le2026-03-06✓ Author reviewed 🔒 cs.CR

Estimation of the complexity of a network under a Gaussian graphical model

El artículo propone un estimador para la proporción de aristas en un modelo gráfico gaussiano que combina pruebas de hipótesis controladas por la tasa de descubrimiento falso con el estimador de Storey, demostrando su consistencia bajo condiciones de dependencia débil en regímenes de alta dimensión y revelando un sesgo ascendente característico.

Nabaneet Das, Thorsten Dickhaus2026-03-05✓ Author reviewed 📊 stat

Lorentzian-Euclidean singularity-free solutions to gravitational collapse

Este estudio presenta soluciones sin singularidades para el colapso gravitacional que, al evitar curvaturas infinitas y mantener la diferenciabilidad, requieren un cambio de signo en la métrica que viola localmente el Principio de Equivalencia, resultando en una geometría compatible con un campo escalar tipo Higgs y estableciendo un nuevo límite teórico de M/R=3/8 para remanentes estelares compactos.

Sune Rastad Bahn, Michael Cramer Andersen2026-03-05✓ Author reviewed 🔬 physics

Position: Vector Prompt Interfaces Should Be Exposed to Enable Customization of Large Language Models

Este artículo de posición sostiene que los proveedores de modelos de lenguaje grandes deben exponer entradas de prompts vectoriales en sus interfaces públicas para habilitar una personalización escalable y estable, respaldando esta propuesta con evidencia de que supera a los prompts de texto y no incrementa significativamente los riesgos de seguridad en escenarios de inferencia.

Liangwei Yang, Shiyu Wang, Haolin Chen, Rithesh Murthy, Ming Zhu, Jielin Qiu, Zixiang Chen, Juntao Tan, Jianguo Zhang, Zhiwei Liu, Wenting Zhao, Silvio Savarese, Caiming Xiong, Huan Wang, Shelby Heine (…)2026-03-05✓ Author reviewed 💬 cs.CL

Directional Neural Collapse Explains Few-Shot Transfer in Self-Supervised Learning

El artículo demuestra que la "neural collapse direccional" (varianza CDNV direccional), una medida geométrica que cuantifica la baja variabilidad a lo largo de las direcciones que separan las clases, es el factor fundamental que explica tanto la capacidad de transferencia con pocos ejemplos como la baja interferencia entre múltiples tareas en el aprendizaje auto-supervisado.

Achleshwar Luthra, Yash Salunkhe, Tomer Galanti2026-03-05✓ Author reviewed 🤖 cs.AI