{"ok":true,"nota":{"id":"91d26f84ad6abd13","slug":"un-modelo-de-inteligencia-artificial-aprende-a-describir-como-se-orien-91d26f","titulo":"Un modelo de inteligencia artificial aprende a describir cómo se orientan los granos dentro de los metales","resumen":"Desarrollaron un método de aprendizaje automático que representa la orientación de los granos cristalinos de un material, llamada textura, usando matemática de rotaciones tridimensionales. El modelo busca generar estas orientaciones de forma realista a partir de datos.","fuente":"arxiv-materia","fuenteNombre":"arXiv · Materiales","color":"#8b5a2b","autor":"Gowtham Nimmal Haribabu","url":"https://arxiv.org/abs/2610.28363v1","imagen":"/hoy/portada/91d26f84ad6abd13","tema":"tecnologia","subtemas":["inteligencia artificial","metalurgia","cristalografia","aprendizaje automatico","materiales"],"entidades":["SO(3)","arXiv"],"formato":"dato","entretenimiento":false,"pubTs":"2026-10-20T15:26:01.000Z","indexTs":"2026-10-21T09:32:12.212Z","hash":"a74b5079e0d69e9135dd565e054028c07f36bd7614e8ed9d21705dcac50d031e","tsa":{"time":"Oct 21 09:33:04 2026 GMT","provider":"freetsa.org","sobre":"sello"},"stats":{"views":0,"likes":0,"clicks":0,"dwell":0},"tipo":"normal","registro":"hallazgo","porQueImporta":"La textura de un metal influye en su resistencia, en cómo se deforma y en cuánto dura, así que medirla suele ser lento y costoso. Una herramienta que la genere o la prediga podría acelerar el diseño de piezas para autos, aviones o maquinaria. Para la industria metalúrgica local, implica que parte del trabajo de caracterización podría automatizarse, aunque todavía falta comprobar qué tan fiables son sus resultados.","quienFirma":"arXiv (preprint de investigadores de aprendizaje automático y materiales)","confianza":"preprint","consulta":null},"sello":{"hash":"a74b5079e0d69e9135dd565e054028c07f36bd7614e8ed9d21705dcac50d031e","sello":"8043d006d59d257efb78492374b333cf69dfe19163ed2adec6f401ff93ebcfbd","beacon":{"drand":{"cadena":"8990e7a9aaed2ffed73dbd7092123d6f289930540d7651336225dc172e51b2ce","ronda":6571471,"aleatorio":"213fbe54b7917c1d8f3665ad51941b1a593fc47e797a634b6e9c777e7235d115","tiempo":"2026-10-21T09:32:30.000Z"},"nist":{"cadena":2,"pulso":1992941,"salida":"3D383D2E239EB4D541E65DFF57737F3786E26A1B0B267B0CBEFF49A08EA1148FC3E3097EEB943E3E216423863BC83692516B85C443E7FE13B47423B7715CA06F","tiempo":"2026-10-21T09:32:00.000Z"},"noAntes":"2026-10-21T09:32:30.000Z"},"verificacion":{"drand":true,"nist":true},"tsa":{"time":"Oct 21 09:33:04 2026 GMT","provider":"freetsa.org","sobre":"sello"},"original":{"titulo":"TexFlow: learning crystallographic texture on SO(3) manifold via normalizing flows","descripcion":"","pubDate":"2026-10-20T15:26:01Z","url":"https://arxiv.org/abs/2610.28363v1"},"indexado":"2026-10-21T09:32:12.212Z"}}