40 AÑOS VIENDO ÁTOMOS: UN DOCUMENTAL CONMEMORATIVO DEL CSIC

40 AÑOS VIENDO ÁTOMOS: UN DOCUMENTAL CONMEMORATIVO DEL CSIC

La posibilidad de llegar a observar átomos parecía imposible hasta no hace mucho tiempo con la invención del Microscopio de Efecto Túnel (STM).

En el año 2021 se celebró el 40º aniversario de la invención de esta innovadora herramienta; ocasión que aprovecharon varios investigadores del CSIC (Consejo Superior de Investigaciones Científicas) para producir un pequeño documental conmemorando este hecho tan importante para la ciencia. Además, sirvió también de homenaje a dos investigadores y profesores de la Universidad Autónoma de Madrid (UAM): José María Gómez Rodríguez y Juan José Sáenz Gutiérrez. Ambos, pioneros en el desarrollo de esta técnica en España y fallecidos en 2020.

Átomos

Este documental es una iniciativa del Instituto de Micro y Nanotecnología (CSIC-IMN), el Instituto de Ciencia de Materiales de Madrid (CSIC-ICMM) y la Delegación del CSIC en Madrid.


STM: entrando en el nanomundo

Heinrich Rohrer y Gerd Binning, investigadores del laboratorio de IBM en Zúrich, construyeron el primer Microscopio de Efecto Túnel (STM, por sus siglas en inglés Scanning Tunnelling Microscope); esta invención les convirtió en ganadores del Premio Nobel de Física en 1986.

El nanómetro es la unidad de longitud del Sistema Internacional de Unidades que equivale a una millonésima parte de un milímetro; es decir, algo nanométrico es 1000 veces más que pequeño que una micra; y ésta, a su vez, es 1000 veces más pequeña que un milímetro.

El STM está formado por una punta metálica muy afilada que se acerca a la superficie que se quiere estudiar a una distancia inferior a un nanómetro. De esta forma, los electrones saltan entre la punta y la muestra, dando lugar a la corriente de efecto túnel. Cuando la punta del microscopio se mueve lateralmente sobre la superficie del material que se pretende estudiar, va describiendo los perfiles que exponen cómo es esa muestra.

Con esta técnica, no solo se pueden obtener imágenes de las distintas superficies observadas, sino que éstas también se van a poder modificar a escala nanométrica.

El STM requiere trabajar in-situ al vacío o a muy baja temperatura (evitando la oxidación y la contaminación de la superficie).


AFM: mejorando la técnica

El STM permite visualizar, estudiar y manipular átomos, sin embargo, cuenta con una limitación: la muestra debe permitir la conducción de corriente eléctrica. Por este motivo, todos los materiales aislantes no pueden estudiarse a escala nanométrica a través de esta técnica.

La solución a este problema llegó con el Microscopio de Fuerzas Atómicas (AFM, por sus siglas en inglés Atomic Force Microscope).

Una punta muy afilada colocada en el extremo de una palanca va palpando la superficie de la muestra obteniendo un mapa topográfico en la nanoescala.

Gracias a este nuevo microscopio, las imágenes obtenidas pueden representarse en 3D con ayuda de un software. Además, este método es efectivo en condiciones ambientales (no requiere trabajar en vacío); y puede ser aplicado, tanto a materiales aislantes, como a semiconductores y conductores.

Todas las técnicas que se desarrollaron a partir de este descubrimiento se engloban bajo el nombre de Microscopías de Sonda de Barrido (SPM, por sus siglas en inglés Scanning Probe Microscopy).

Las SPM (llamadas así porque consisten en una sonda (punta) que “barre” la superficie de una muestra) o microscopías de proximidad, han sido fundamentales para la expansión de la nanotecnología y la observación del comportamiento de los átomos en la naturaleza, porque son la forma ideal de obtener información de un objeto.


40 años viendo átomos

A continuación, el documental completo dirigido por Agustina Asenjo, Pedro Serena y José Miguel García (investigadores científicos del ICMM y del IMN).

Fuente: CSIC


Las aplicaciones de las SPM

En el ámbito de las microscopías STM y AFM es fundamental la simulación de las nanoestructuras que se desean observar para entender mejor las señales (ya sean corrientes o fuerzas) que se detectan experimentalmente con estas herramientas que nos permiten observar el nanomundo.

Aunque los sistemas que se observan son relativamente pequeños (son nanométricos) están formados por cientos de miles de átomos de diferentes especies, interaccionando entre sí y con la punta que se usa como sonda tanto en el STM como en el AFM.

Resolver las ecuaciones dinámicas del sistema conjunto requiere aplicar métodos de Dinámica Molecular (cuántica o semiclásica, según el grado de aproximación deseado); que a su vez implica manejar algoritmos complejos que tienen en cuenta la dinámica de millones de variables (posiciones, velocidades, etc.).

Es aquí donde los sistemas basados en varias GPUs con miles de cores, como los que comercializa Azken Muga, permiten abordar el estudio de procesos dinámicos en nanosistemas complejos durante tiempos de varios nanosegundos.

“Estas herramientas nos han permitido entender diferentes cuestiones como la manera en la que determinadas proteínas (en particular anticuerpos) se adsorben* sobre superficies de grafeno, el material del siglo XXI; cómo funcionan ciertos biosensores inspirados en el AFM; determinar el código escondido en una secuencia de ADN; o desvelar la diferencia entre fricción estática o dinámica, por indicar algunos ejemplos”.

Pedro Serena, investigador científico del ICMM

*Adsorber es atraer y retener algo en la superficie de otro algo. Ej.: El imán adsorbió las virutas de hierro. Absorber es atraer y retener algo en el interior de otro algo. Ej.: La esponja absorbió el agua.

En el siguiente vídeo se puede observar un anticuerpo IgG depositándose y moviéndose sobre una superficie de grafeno.


Fuente: CSIC

CASO DE USO: APLICACIÓN DE COMPUTER VISION PARA LA CLASIFICACIÓN POR CALIBRES DE LAS ESPECIES PESQUERAS A TRAVÉS DE DEEP LEARNING

CASO DE USO: APLICACIÓN DE COMPUTER VISION PARA LA CLASIFICACIÓN POR CALIBRES DE LAS ESPECIES PESQUERAS A TRAVÉS DE DEEP LEARNING


La información del calibre y distribución por tallas del pescado en primera venta es un dato de gran importancia tanto a nivel comercial como de gestión de los recursos marinos

La Universitat Politècnica de Catalunya (UPC) colabora con diferentes Cofradías de Pescadores de Cataluña con el objetivo de realizar un proyecto piloto consistente en un sistema computer vision que aprovecha los avances de Deep Learning para calibrar automáticamente los ejemplares de pescado y extraer datos de tamaño y frescura.

Barcos pesqueros

El desarrollo de este está liderado por los profesores Vicenç Parisi, José Antonio Soria y Lluís Ferrer.


Introducción

La preservación de los recursos pesqueros y el mantenimiento y mejora de la actividad económica a su alrededor es fundamental para la sociedad.

Los estudios científicos y gubernamentales sobre el estado de los stocks de pesca coinciden, junto con los datos estadísticos en nuestro país, en la tendencia decreciente de la evolución de las capturas. Y, aunque los precios del pescado han aumentado, los ingresos reales de los pescadores siguen disminuyendo.

Todo ello pronostica la desaparición futura, tanto de los recursos pesqueros, como de la actividad en su entorno si no se actúa adecuadamente.

Para garantizar la continuidad de estos recursos y mejorar la eficiencia de la industria pesquera y la economía de las sociedades costeras, la Unión Europea ha estado introduciendo a lo largo de los últimos años una serie de medidas, planes de gestión, limitaciones de pesca y requerimientos ambientales que necesitan datos reales y detallados sobre capturas para poder analizar correctamente la situación.

Los efectos positivos de tener calibrados los productos pesqueros son muy importantes:

  • Permiten y mejoran las transacciones comerciales entre operadores situados en mercados diferentes.
  • Posibilitan la venta por internet con mayor detalle.
  • Ayudan a implementar los planes de gestión de la actividad pesquera.
  • Reducen la comercialización de pescado por debajo de la talla mínima reglamentaria.


El proyecto de la UPC


La teoría

El principal objetivo de este proyecto es, pues, determinar estos calibres de una manera más eficiente y exacta y diseñar sistemas que permitan calibrar un mayor número de ejemplares.

Los sistemas basados en Deep Learning utilizan modelos de redes neuronales artificiales que emulan el comportamiento de las neuronas, pudiendo aprender patrones complejos.

En este sentido, existe una arquitectura de Deep Learning llamada Convolutional Neural Network (CNN) que ha dad muy buenos resultados en el reconocimiento de objetos en imágenes.

En dicha arquitectura la información de cada imagen se procesa en distintas capas:

  • Las primeras capas aprenden a reconocer rasgos primitivos básicos, como líneas.
  • Las capas intermedias combinan estos rasgos básicos para formar siluetas, esquinas o partes de objetos.
  • Las últimas capas aprenden a ordenar estas partes para formar un objeto o hacer una clasificación.

CNN. Fuente: UPC
Ejemplo de procesamiento de imagen con CNN: Las primeras etapas extraen las características básicas («features») de la imagen y las últimas etapas clasifican el objeto. Fuente: UPC


La práctica

En resumen, lo que pretende la UPC con este proyecto es desarrollar un sistema basado en computer vision, utilizando metodologías Deep Learning para clasificar las especies pesqueras en las lonjas.

Este sistema tiene el objetivo de determinar el calibre (relación tamaño-peso) para alertar de la presencia de ejemplares por debajo de la talla mínima de referencia, así como ayudar a reconocer ejemplares dañados.

En la implementación, una de las mejores formas de extraer el calibre es realizar una segmentación (identificación) de los píxeles que conforman cada especie.

Píxeles CNN. Fuente: UPC
Detección mediante CNN de los píxeles correspondientes a cada ejemplar. Fuente: UPC

A partir de esta segmentación de ejemplares y de la resolución de la imagen (píxeles/mm2) se pueden obtener medidas del área, el perímetro y la longitud de todo el ejemplar (o de las partes visibles si hay oclusiones); así como determinar si existen ejemplares dañados.

Para conseguir esto, es necesario seguir los siguientes pasos:

  1. Segmentar manualmente la base de datos de imágenes para crear un conjunto de entrenamiento, test y validación del sistema.
  2. Entrenar la red neuronal y refinar los parámetros.
  3. Calcular las longitudes de los ejemplares de interés.

Finalmente, cuando el proyecto se lleve a la lonja, se instalará una cámara y un ordenador que informará de la distribución por calibres de las cajas de pescado. Además, se recogerán datos, como el precio de venta, el peso o la temperatura, para realizar un análisis posterior de los resultados obtenidos.


Beneficios del proyecto

  • Fomento de la pesca sostenible: el comprador tendrá más información del producto y su calidad; al mismo tiempo, se elegirán mejor las especies capturadas (evitando, de este modo, pescar ejemplares por debajo de determinado calibre).
  • Eficiencia en el uso de los recursos: las actividades o días de pesca se planificarán mejor a lo largo del año, manteniendo así la relación calidad-precio.
  • Innovación: se aplicarán tecnologías de última generación a un sector con prácticas bastante tradicionales.
  • Competitividad: permitirá una mejor comercialización a distancia por internet y dará un valor añadido a los productos pesqueros.
  • Actividad basada en conocimiento: se recogerán datos muy importantes para realizar análisis y monitorización útiles, tanto en la gestión como en la comercialización de la pesca. Además, se podrá automatizar y escalar la recogida de datos.


La aportación de Azken para la UPC

Para desarrollar este proyecto con éxito es necesario un hardware lo suficientemente potente como para poder entrenar bien las CNN en el menor tiempo posible y para poder detectar los peces en tiempo real.

La UPC escogió a Azken Muga como proveedor de soluciones hardware. Concretamente, la máquina elegida para el desarrollo del proyecto fue una M-Series DX-21.

Ficha M-Series DX-21

Con la siguiente configuración:

  • Chasis enracable Multi GPU 9 slots
  • F.A. 2000W 80+ Platinum Redundante
  • Placa Base Dual Intel® Xeon® Scalable
  • 12x Memoria DDR4 16 GB 2933MHz
  • 2x Procesador Intel Xeon Gold 5220R 2,2GHz 35,75MB Cache 24 Cores
  • SSD Samsung 980 PRO 500GB M.2 NVMe 2280 PCIe 4.0 x4
  • 2x NVIDIA GeForce RTX 3090 24GB GDDR6X PCIe 4.0 TURBO
  • NVIDIA® Ampere NVLink Bridge for A100, A30, A40, RTX A6000 & A5000 2 slot


Fuente: Universitat Politècnica de Catalunya

AZKEN MUGA RECIBE EL PREMIO RISING STAR EN LOS NVIDIA CHANNEL PARTNER AWARDS

AZKEN MUGA RECIBE EL PREMIO RISING STAR EN LOS NVIDIA CHANNEL PARTNER AWARDS

NVIDIA celebra los premios «Channel Partner Awards» de Europa, Oriente Medio y África

A través de los “NVIDIA Channel Partner Awards”, organizados una vez al año, NVIDIA reconoce y celebra el éxito de sus socios.

NVIDIA está constantemente creando y desarrollando nuevos mercados, en los que sus socios se posicionan a la vanguardia de la innovación y la tecnología. Por ello, trabajan en estrecha colaboración con todos ellos, a través de la NVIDIA Channel Partner Network (Red de Socios de Canal de NVIDIA).

Con el programa de socios, NVIDIA prepara a todas sus empresas asociadas de EMEA (Europa, Oriente Medio y África) para que desempeñen un papel fundamental en la creación de nuevos mercados e impulsen las ventas y la adopción generalizada de sus soluciones, software y servicios.

Cada vez los avances tecnológicos son mayores y más rápidos y, gracias a este NVIDIA Partner Program, el gigante americano brinda acceso a la tecnología, la experiencia y el soporte que necesitan sus socios preparándolos para lo que está por venir.

A través de esta entrega de premios, NVIDIA celebra el éxito de los socios que han contribuido significativamente al crecimiento del ecosistema de la empresa en EMEA durante todo el año.

En este sentido, se quiere reconocer a aquellos partners que han logrado un rendimiento de ventas excepcional, a aquellos que han impulsado nuevos niveles de crecimiento de ingresos y a aquellos que han generado una demanda sin precedentes con nuevas y creativas prácticas de marketing. Además, este año se ha añadido un nuevo galardón para el socio más innovador, mostrando lo mejor de muchos proyectos pioneros utilizando la IA para lograr un cambio verdaderamente transformador.

Las categorías de los Channel Partners Awards 2021 han sido:


Star Performers

El premio Star Performer celebra el éxito de los socios que han hecho una contribución destacada a las ventas en toda la cartera de productos de NVIDIA dentro de su región.

Los ganadores fueron: Business Systems International Ltd (Norte de Europa), Integración Avanzada (Sur de Europa y Oriente Medio) y Delta Computer Products GmbH (Europa Central).


Marketing Excellence

El premio Marketing Excellence reconoce a los socios que han planificado y ejecutado la campaña de marketing más exitosa dentro de su región y han aprovechado mejor las herramientas y los recursos proporcionados por NVIDIA para generar una demanda significativa de sus soluciones.

Los ganadores fueron: CGit AB (Norte de Europa), E4 Computer Engineering SpA (Sur de Europa y Oriente Medio) y Altair Engineering GmbH (Europa Central).


Most Innovative Partner

El premio Most Innovative Partner se otorga al socio que se encuentra a la vanguardia de la tecnología de transformación y que, además, resuelve retos importantes de sus clientes con nuevas e innovadores soluciones de NVIDIA.

El ganador fue SVA System Vertrieb Alexander GmbH.


Distribution Partner of the Year

El premio Distribution Partner reconoce al distribuidor que ha desempeñado el papel más importante en la expansión de la presencia de NVIDIA en el mercado de EMEA.

El ganador fue PNY Technologies Europe.


Rising Star

El premio Rising Star premia a aquellos socios que:

  • Han impulsado un crecimiento de ingresos excepcional en su región
  • Han obtenido unos resultados de ventas estelares,

Los ganadores fueron: Softcat Ltd (Norte de Europa), Think About IT GmbH (Europa Central) y…


Azken Muga S.L., ganador del premio Rising Star en el Sur de Europa, Oriente Medio y África

«Haber sido considerados para este premio es ya un honor para Azken Muga. Recibir el premio nos inspira a seguir trabajando duro con NVIDIA y apoyar a nuestros clientes».

Rafael Lainez, CEO de Azken Muga y Jorge Colotto, socio colaborador

En Azken estamos muy orgullosos de haber recibido el NVIDIA Channel Partner Rising Star Award. Este premio reconoce todo el trabajo y esfuerzo realizados para estar siempre a la vanguardia de la tecnología.

Varjo XR-1 se convierte en el primer dispositivo de realidad mixta compatible con Autodesk VRED

Varjo XR-1 se convierte en el primer dispositivo de realidad mixta compatible con Autodesk VRED

Autodesk VRED, el software de diseño automovilístico líder en el mundo, ha publicado el soporte nativo para el premiado XR-1 Developer Edition de Varjo, convirtiéndolo en el primer dispositivo de realidad mixta con esta distinción.

«La colaboración inmersiva funciona de manera más natural de lo que esperábamos. Esto es algo que siempre he deseado y con el dispositivo Varjo, ahora es una realidad», dice Gregory Guillaume, Vicepresidente de Diseño de Kia Motors Europa.

Esta integración permite a los diseñadores trabajar con sus colegas en el espacio físico de diseño al que están acostumbrados y colaborar en modelos de coches virtuales a gran escala, fotorrealistas, mientras ven sus manos y cuerpos reales».

Siempre pionero en la integración de nuevas tecnologías en su flujo de trabajo de diseño, Kia Motors está aprovechando VRED y Varjo XR-1 para impulsar el futuro de la colaboración de XR en el diseño de coches.

Descubre cómo los equipos están utilizando estas tecnologías hoy en día para hacer su trabajo de visualización más eficaz y mostrar los proyectos de nuevas maneras.

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator

Azken Muga recibe la condecoración AI CHAMPION 2019

Azken Muga recibe la condecoración AI CHAMPION 2019

En Agosto de 2019, en Azken Muga fuimos nominados para participar en el programa AI CHAMPIONS 2019 organizado por NVIDIA (EMEA) y NetApp.

Tras unos meses de trabajo, recibimos la invitación al evento de San Francisco (EEUU) y en cuya entrega de premios, fuimos condecorados con el galardón de AI CHAMPION OF THE YEAR 2019.

Es un orgullo desde Azken Muga recibir este tipo de reconocimientos ya que, como primer y único Elite Partner de NVIDIA en España, compartimos la misma pasión por la tecnología que es capaz de cambiar la vida de las personas y seguro que seguiremos creciendo y logrando éxitos juntos.

ASUS anuncia la Workstation E900 G4

ASUS anuncia la Workstation E900 G4

La primera Workstation de ASUS con hasta cuatro GPU NVIDIA/AMD ofrece un rendimiento extremo para una amplia variedad de aplicaciones profesionales y de investigación.

PUNTOS CLAVE:

 

 

  • Rendimiento extremo con 2 Procesadores duales Intel® Xeon® Scalable con hasta 56 cores, ofrecen un rendimiento extremo para Workflows profesionales.
  • Soporta 4 x GPUs NVIDIA® Quadro RTX ™, ideales para aprendizaje automático, ciencias de datos  y grandes cargas de trabajo de renderizado y postproducción 3D.
  • Certificación de proveedores de software independientes (ISV) rendimiento garantizado confiable y efectivo con una gama de aplicaciones profesionales
  • Fácil escalabilidad y capacidad de expansión excelentes

ASUS anunció el E900 G4, una Workstation diseñada para ofrecer un rendimiento extremo en una amplia variedad de campos, incluidos arquitectura, ingeniería y construcción (AEC), investigación científica y diseño. Alimentada por hasta dos procesadores Intel® Xeon® scalables de hasta 56 cores, incorpora hasta cuatro GPU NVIDIA® o AMD® y hasta 1536GB de memoria ECC.  E900 G4 está diseñado para las aplicaciones más intensivas, desde AI y configuraciones de aprendizaje automático, a escenarios de renderización, simulación y visualización en tiempo real con las certificaciones de los proveedores de software independientes (ISV) para una total tranquilidad.

Perfecto para aprendizaje automático y ciencia de datos.

ASUS E900 G4 es perfecto para entornos informáticos AI. Es compatible con los gráficos NVIDIA® Quadro RTX ™ y Tesla™ para facilitar las cargas de la CPU, permitiendo que las operaciones matemáticas masivamente paralelas se manejen de manera más eficiente, a la vez que acelera el entrenamiento de las redes neuronales. El E900 G4 contiene hasta ocho bahias de almacenamiento pueda albergar tremendos dataset de aprendizaje automático o Deeplearning.

Certificación de proveedor de software independiente

ASUS trabaja en estrecha colaboración con numerosos proveedores de software independientes (ISV), incluidos líderes de la industria como Adobe, Autodesk y VRAY, para probar y verificar la compatibilidad con el hardware de ASUS. Estas certificaciones ISV brindan la garantía de que E900 G4 trabajará de manera confiable y efectiva para las necesidades informáticas de los usuarios.

 

Fácil escalabilidad y capacidad de expansión.

ASUS E900 G4 está diseñado para una fácil escalabilidad y capacidad de expansión inmejorables, para satisfacer las necesidades de los usuarios con crecientes requisitos. Las opciones de expansión incluyen agregar un segundo procesador Intel® Xeon®, incorporar RAM hasta 1536 GB o integrar almacenamiento a través de sus dos cajones de discos de 3.5 » o 2.5″.