Láseres que empujan sin combustible & Fibra óptica que ordena la luz - Noticias (29 abr 2026)

Empezamos con ciencia de la luz, porque hoy vienen dos noticias que suenan a ciencia ficción, pero son experimentos muy reales. En Texas A&M, un equipo demostró una nueva forma de “propulsión óptica”: usar láseres para levantar y dirigir en 3D microdispositivos llamados “metajets”. La gracia no está en trucar el láser con equipos complejos, sino en el propio material: son metasuperficies con patrones a escala nanométrica que hacen que la luz transfiera su empuje de manera muy controlada. ¿Lo interesante? No hay contacto físico, no hay combustible a bordo, y aun así se generan fuerzas medibles para maniobrar. De momento lo probaron en un entorno con fluido, para que la gravedad no domine el experimento y se aprecie mejor el movimiento. El siguiente paso que buscan es testearlo en microgravedad, donde se vería su rendimiento sin el “lastre” de la Tierra. Es un avance pequeño en tamaño, pero grande en idea: refuerza la posibilidad de mover objetos con luz, algo que, a muy largo plazo, alimenta conceptos de propulsión con láser para misiones más ambiciosas.

Y ahora, la sorpresa de la fibra óptica. Investigadores del MIT reportan que un láser de alta potencia, al pasar por una fibra multimodo —que normalmente mezcla la luz y la vuelve desordenada— puede reorganizarse por sí solo en un haz muy concentrado, un “haz lápiz”. Esto rompe una suposición habitual: que más potencia en ese tipo de fibra equivale a más caos. Aquí, bajo condiciones muy específicas, el sistema llega a un punto crítico en el que la propia interacción con el vidrio compensa el desorden y emerge un foco limpio, sin depender de aparatos sofisticados de modelado del haz. ¿Y por qué importa fuera del laboratorio? Porque lo aplicaron a imagen multiphotón y lograron imágenes 3D a nivel celular de un modelo de barrera hematoencefálica humana mucho más rápido que lo típico, manteniendo una resolución comparable. En la práctica, esto podría ayudar a evaluar con mayor agilidad si candidatos a fármacos para enfermedades neurodegenerativas realmente alcanzan objetivos en tejidos relevantes, y potencialmente reducir parte de la dependencia de modelos animales. El estudio salió en Nature Methods, y el equipo sigue investigando la física del fenómeno y la posible ruta hacia aplicaciones reales.

Pasamos a salud pública. Sudáfrica se prepara para desplegar por fases lenacapivir como prevención del VIH: una inyección de acción prolongada que se administra una vez cada seis meses. El punto fuerte es sencillo: adherencia. Frente a la PrEP oral diaria, una pauta semestral podría reducir los olvidos y facilitar la prevención para personas con rutinas complicadas o que toleran mal tomar pastillas a diario. Las autoridades insisten en algo clave: esto complementa otras medidas, no las sustituye; por ejemplo, los preservativos siguen siendo importantes porque la inyección no protege frente a otras infecciones de transmisión sexual. El inicio será en alrededor de 30 centros en distritos de alta carga y con prioridad para grupos de mayor riesgo, como trabajadoras sexuales, hombres que tienen sexo con hombres, adolescentes y mujeres jóvenes, y también mujeres embarazadas o en lactancia. La gran pregunta es el acceso: la oferta será limitada y, en buena parte, dependiente de donantes, así que la expansión a gran escala aún es incierta. Y hay otra pata: educación y seguimiento. El impacto real dependerá de que la gente vuelva a tiempo por la siguiente dosis, especialmente cuando muchos programas comunitarios han sufrido recortes de financiación. Aun con esas barreras, el potencial es enorme para bajar nuevas infecciones y acercarse al objetivo de 2030.

Seguimos en salud, pero con enfoque de prevención de pandemias. Un estudio en Nature describe una vía más segura para evaluar qué virus animales podrían tener “madera” para infectar a humanos. En lugar de trabajar con virus vivos, investigadores del Reino Unido tomaron secuencias genéticas de alphacoronavirus y recrearon sus proteínas de superficie —las que se enganchan a nuestras células— sobre partículas que pueden unirse, pero no replicarse. Es decir: permiten probar el primer paso del salto de especie, con mucho menos riesgo. Al cribar estos pseudotipos contra células humanas, la mayoría de virus de murciélago no mostraron buena afinidad por receptores humanos. Pero uno, poco conocido y detectado en murciélagos de Kenia, llamado KY43, sí mostró una unión fuerte a una proteína de la superficie celular humana. Importante: esto no significa brote inminente. Un virus necesita superar muchas más barreras para transmitirse y causar enfermedad, y no hay señales de infecciones humanas en la zona donde se encontró. Pero sí sirve para ponerle una chincheta en el mapa: monitorizar ese virus y parientes cercanos, priorizar vigilancia y decidir con más criterio qué merece atención antes de que haya un problema.

Ahora, tecnología biomédica: un artículo plantea que combinar inteligencia artificial con computación cuántica podría acelerar el análisis genómico lo suficiente como para hacer más viable la medicina personalizada en clínicas. Hoy, la IA ya ayuda a filtrar millones de variantes genéticas, pero vincularlas con enfermedades de forma fiable suele exigir comparar datos de muchísimas personas. Eso consume tiempo, potencia de cálculo y no es inmune a errores o interpretaciones confusas. La promesa cuántica —en tareas concretas de búsqueda de patrones y optimización— sería recortar plazos: de meses a horas en situaciones donde el tiempo importa. Pero el texto también baja a tierra el entusiasmo: la computación cuántica todavía es inmadura, con obstáculos serios de escalado, corrección de errores, hardware y estándares. Podría seguir siendo, en gran medida, cosa de laboratorio durante años. Y además están los riesgos sociales: si el acceso queda concentrado en centros élite, podría ampliarse la brecha en salud. Y la privacidad no es un detalle: los datos genómicos son especialmente sensibles. El debate no es solo “qué tan rápido”, sino “para quién” y “con qué garantías”.

Hablando de datos y salud, llega una pieza potente desde el Barcelona Supercomputing Center. Investigadores crearon lo que describen como el primer atlas a gran escala que mapea cómo envejecen los órganos reproductivos femeninos a través de la transición menopáusica, usando IA para analizar imágenes de tejido y datos de expresión génica. La base es amplia: más de mil imágenes de tejido, cientos de muestras, y mujeres de 20 a 70 años. El hallazgo clave es que la menopausia no impacta a todos los órganos por igual ni al mismo ritmo. Por ejemplo, ovarios y vagina muestran un envejecimiento más gradual —incluso antes de la menopausia—, mientras el útero parece experimentar cambios más bruscos alrededor de esa transición. Incluso dentro de un mismo órgano, distintas capas envejecen a velocidades diferentes, y algunas zonas del útero parecen especialmente sensibles a los cambios hormonales. Además, el equipo reporta señales moleculares detectables en sangre asociadas al envejecimiento reproductivo en un conjunto de datos enorme. Si esto se valida y aterriza en clínica, podría abrir la puerta a un seguimiento menos invasivo, adelantarse a riesgos y personalizar cuidados sin depender de biopsias.

Cerramos con el bloque de inteligencia artificial y poder institucional, donde hoy hay movimiento en varios frentes. Primero, OpenAI. Sam Altman publicó cinco nuevos principios operativos sobre cómo la empresa dice que quiere avanzar en IA cada vez más potente intentando que los beneficios se repartan de forma amplia. La idea central es evitar que el control se concentre en pocos laboratorios o gobiernos, aunque dejando abierta la opción de restringir capacidades cuando aumenten los riesgos. El contexto importa: el anuncio llega mientras la compañía encara un proceso judicial que pone el foco en si se ha alejado de su misión original sin ánimo de lucro hacia una lógica más comercial. Observadores señalan que, comparado con su carta de 2018, estos principios son menos concretos y con menos compromisos “duros”, lo que da margen para ajustar el rumbo según cambien presiones de mercado, seguridad o geopolítica. También se nota una apuesta fuerte por infraestructura: centros de datos, cómputo y energía, tratando la IA como un servicio casi “de utilidad pública”.

Y en esa misma línea de tensiones, Elon Musk declaró ante un tribunal en Estados Unidos en su disputa con Altman por el origen y evolución de OpenAI. Musk sostiene que la organización nació como un proyecto sin ánimo de lucro para evitar que la IA avanzada quedara capturada por incentivos de inversores, y pide —nada menos— daños millonarios, además de medidas para devolver a OpenAI a un modelo más alineado con esa idea original. OpenAI, por su parte, rebate el relato: dice que Musk apoyó en su momento un giro hacia una estructura con ánimo de lucro y que el cambio fue necesario para reunir el capital que exige competir en la frontera tecnológica, incluyendo alianzas como la de Microsoft. Más allá de quién gane, el caso tiene un efecto colateral: puede sentar precedentes sobre cómo se gobiernan los grandes laboratorios de IA y qué obligaciones reales tienen cuando combinan discurso de interés público con necesidades de financiación masiva.

Y por último, Google. Según un reporte de The Information, la empresa estaría negociando con el Departamento de Defensa de Estados Unidos para desplegar sus modelos de IA más avanzados dentro de entornos militares clasificados, bajo una fórmula de “cualquier propósito gubernamental lícito”. Esa frase es la que enciende alarmas, porque amplía el margen de usos posibles. Y también marca un giro respecto al trauma interno de 2018, cuando Google se retiró de Project Maven tras protestas de empleados y adoptó principios internos para guiar el uso de IA. Ahora, cientos de trabajadores habrían pedido de nuevo que se rechacen aplicaciones militares con condiciones tan abiertas. El tema de fondo es delicado: cuando modelos potentes —que siguen cometiendo errores y no siempre son transparentes— se integran en sistemas de defensa, las preguntas sobre responsabilidad, supervisión y daños a civiles se vuelven urgentes. Y una vez el modelo está “dentro”, no está claro cuánto control conserva la empresa sobre el uso final.