Repositorio Yachay Tech (Univ. Yachay Tech)
Not a member yet
903 research outputs found
Sort by
Overcoming the nitrogen inertness through a metal-organic approach: a theory-experimental convergence
No full textNitrogen is one of the most abundant chemical elements in nature, however most organisms are unable to metabolize it because of its relative inertness. In order to acquire N2 fixed forms different ways can be adopted, such as geochemical procedures, biological ones by enzymes, and industrially through Haber-Bosch process. This last procedure has been employed massively during the last century, particularly for the development of fertilizers. Nevertheless, the process is highly temperature and pressure demanding to overcome the N2 sluggish chemical kinetics, making it an energy-intensive process with a considerable CO2 emission. Thenceforth multiple efforts have been developed around the design of suitable coordination compounds allowing the bonding, activation and splitting of N2 molecules in several derivatives, taking as reference biological structures found in Nitrogenase (i.e., Mo, Fe, V cofactors). Along the years, larger attention has been focused on covalent interactions of transition metals and ligands over the dinitrogen molecule activation, leaving non-covalent interactions besides as well as the theoretical reasons why some metalorganic structures are preferred over others.
Beyond the solitary work of a coordination compound, it is assessed the effect of alkali and alkali-earth cations (Mn+) over the dinitrogen activation along this work. To accomplish this, the N2-Mn+ lengths were screened from 2 to 10 Å, using DFT calculations. From this approach, three regimes (Case I, Case II, and Case III) of activity were found depending on the nature of the cationic species whose main effect is the polarization of the N2 molecule. Case I is described by the combination of polarization and charge transfer effects on the target molecule, Case II is described by a weakened version of Case I, while Case III is ruled for electrostatic interactions, enhancing the delocalization of electrons between the N2-Mn+ system. Of all these cations, alkali-earth ones are highlighted over the others due to the high ionic potential and polarizing power of these species. This study was complemented by the modelling of Iron complexes, involving one and two metal cores, cationic species, and distinct ligand structures. DFT calculations were employed so as to study the level of activation of dinitrogen for each system. From this analysis, it was found that efficient backbonding effects of the Iron centers are highly dependent on the number of metal cores, the polarization exerted from cations, the distance of this relative to dinitrogen and the ligand type. Those structures involving thiol-type ligands presented the higher degree of backbonding interactions whose effects are enhanced by the synergy of the iron centers and the addition of cationic species. Of that manner, a theoretical basis is presented for the development of experimental work. To conclude the work some experimental Iron metalorganic complexes with amine and thiol type ligands were synthesized which shown affinity for N2 molecules and CO.El nitrógeno es uno de los elementos químicos más abundantes en la naturaleza, pero dada su poca reactividad, muchos organismos son incapaces de metabolizarlo. Con la finalidad de obtener derivados del N2 diferentes vías pueden ser consideradas, tales como posesos geoquímicos, biológicos (i.e., enzimas), e industriales como el conocido proceso de Haber-Bosch. Este último ha sido empleado masivamente a lo largo del último siglo particularmente para la fabricación de fertilizantes. Sin embargo, sus demandantes condiciones de temperatura y presión para sobrepasar la ralentizada cinética química del N2 lo hacen un proceso altamente demandante de energía, junto a la desmesurada emisión de CO2. Desde entonces múltiples esfuerzos se han desarrollado en torno al diseño de compuestos de coordinación que permitan el enlace, la activación y ruptura de las moléculas de N2 en otros derivados, tomando como fuente de inspiración estructuras biológicas encontradas en la Nitrogenasa (i.e., en sus cofactores de Mo, Fe, y V). A lo largo de los anos, se ha prestado más atención a las interacciones covalentes de los metales de transición y los ligantes en relación a la activación de la molécula de dinitrógeno, dejando de lado a las interacciones no-covalentes, así como al trabajo teórico sobre el porqué ciertas estructuras metalorgánicas son preferidas sobre otras.
Mas allá del trabajo ejercido por los compuestos de coordinación, mediante el presente trabajo se evalúa el efecto de cationes alcalinos y alcalinos-térreos (Mn+) sobre la activación de dinitrógeno. Para ello las distancias N2-Mn+ fueron variadas desde los 2 hasta los 10 Å, mediante el uso de cálculos DFT. Mediante esta metodología tres regiones de actividad (Caso I, Caso II, Caso III) fueron determinados, los cuales son dependientes de la naturaleza catiónica siendo su principal efecto la polarización de la molécula de dinitrógeno. El Caso I es descrito principalmente por la combinación de efectos de polarización y transferencia de carga sobre la molécula de interés. El Caso II puede ser descrito como una versión debilitada del Caso I, mientras que el Caso III es controlado por interacciones electrostáticas, potenciando la deslocalización de electrones entre el sistema N2-Mn+. De todas las especies catiónicas estudiadas, los alcalinos-térreos son destacados sobre los demás debido a su alto potencial iónico y poder polarizante de estas especies. Este estudio fue complementado por el modelamiento de complejos de Hierro (Fe), involucrando uno y dos centros metálicos, especies catiónicas, así como diferentes estructuras de ligantes. Cálculos DFT fueron empleados con el propósito de estudiar el nivel de activación del dinitrógeno desde en cada unos de los sistemas propuestos. De este análisis fue encontrado que los efectos de retrodonación de los centros de Fe son altamente dependientes del número de centros metálicos, la polarización ejercida por los cationes, la distancia relativa de estos últimos sobre el N2, y el tipo de ligante. Aquellas estructuras que involucraron ligantes tiolicos presentaron un grado mayor de interacciones de retrodonación. De esta manera, se establece un fundamento teórico para el desarrollo de trabajo experimental. Para concluir el trabajo, algunos complejos metalorgánicos de hierro con ligantes de tipo amina y tiol fueron sintetizados, los cuales fueron sometidos a ensayos experimentales para determinar su afinidad por moléculas de N2 y CO.Químico/
Deep Gaussian processes for the analysis of EEG signals in Alzheimer's diseases
No full textDeep Gaussian Processes (DGPs) are hierarchically represented by a sequential composi- tion of a prior Gaussian processes and are equivalent to a multi-layer neural network (NN) of infinite width. DGPs are non-parametric statistical models and are used to characterize patterns of complex nonlinear systems, due to their flexibility, greater generalization ca- pacity, and because they provide a natural way to make inferences about the parameters and states of the system. In this article, a hierarchical Bayesian structure is proposed to model the weights and biases of a deep neural network, a general formula is deduced to calculate the integrals of Gaussian processes with non-linear transfer densities, and a kernel is obtained to estimate the covariance functions. To illustrate the methodology, an empirical study is carried out analyzing a database of electroencephalograms (EEGs) for the diagnosis of Alzheimer’s disease. Additionally, the DGPs models are estimated, and compared with the NN models for 5, 10, 50, 100, 500, and 1000 neurons in the hidden layer, considering two transfer functions: Rectified Linear Unit (ReLU) and hyperbolic Tangent (Tanh). The results show good performance in the classification of the signals. Finally, the mean square error was used as a goodness of fit measure to validate the proposed models, obtaining low estimation errors.Los procesos Gaussianos profundos (DGPs) se representan jerárquicamente mediante una composición secuencial de procesos Gaussianos a prior, y son equivalentes a una red neuronal multicapa (NN) de ancho infinito. Los DGPs son modelos estadísticos no paramétricos y se utilizan para caracterizar los patrones de sistema no lineales complejos, por su flexibilidad, mayor capacidad de generalización, y porque proporcionan una forma natural para hacer inferencia sobre los parámetros y estados del sistema. En este artículo se propone una estructura Bayesiana jerárquica para modelar los pesos y sesgos de la red neuronal profunda, se deduce una formula general para calcular las integrales de procesos Gaussianos con densidades de transferencias no lineales, y se obtiene un núcleo para estimar las funciones de covarianzas. Para ilustrar la metodología se realiza un estudio empírico analizando una base de datos de electroencefalogramas (EEG) para el diagnóstico de la enfermedad de Alzheimer. Adicionalmente, se estiman los modelos DGPs, y se comparan con los modelos de NN para 5, 10, 50, 100, 500 y 1000 neuronas en la capa oculta, considerando dos funciones de transferencia: Unidad Lineal Rectificada (ReLU) y tangente hiperbólica (Tanh). Los resultados demuestran buen desempeño en la clasificación de las señales. Finalmente, utilizó como medida de bondad de ajuste el error cuadrático medio para validar los modelos propuestos, obteniéndose errores de estimación bajos.Matemático/
Biochar-based materials for oil industry wastewater treatment: a review
No full textWater contamination has become a serious issue that affects the world and all living beings. Domestic and industrial wastewaters contain high amounts of chemicals that affect the ecosystem and human health. Among the pollutants present in industrial and domestic wastewaters are urea, heavy metals, coliforms, bacteria, fats, etc., which are highly toxic for the environment. This is the case of wastewaters from oil industries, which are generated from the crude oil extraction and contain undesired and toxic compounds (e.g., heavy metals and refractory substances. These wastewaters can also contain very harmful compounds such as dissolved salts and gases (e.g., cations, anions, H2S, CO). Multiple alternatives for the treatment of these wastewaters have been developed at different scales, such as primary and tertiary treatments (e.g., adsorption). Sedimentation, chemical coagulation, flotation and filtration have been the most common wastewater treatment processes. On the other hand, recent works have reported novel alternatives to treat wastewaters containing toxic and high pollutant load. Among them, the use of BC has become a suitable alternative for environmental remediation. Biochar is a carbonaceous material with interesting physicochemical properties (e.g. high surface area and porosity) and can be prepared by different synthesis methods, using agricultural wastes, like branches of banana rachis, cocoa shells, cane bagasse, etc. This work is a review thesis that is based on a general description of BC for environmental remediation focused on the remediation of wastewater from the oil industry. In addition, the production, synthesis and multiple uses of BC have been analyzed. This material has shown a high capacity for the adsorption of toxic compounds from oil industry wastewaters. Therefore, this work focuses on the study of BC from agricultural wastes for the treatment of oil industry wastewaters, which contributes to the circular economy and the environmental remediation through the mitigation of the effects generated by the pollutant and toxic load generated by this industry.La contaminación del agua se ha convertido en un grave problema que afecta al mundo especialmente seres vivos. Las aguas residuales domésticas e industriales contienen altas cantidades de químicos que afectan el ecosistema y la salud humana. Entre los contaminantes presentes en las aguas residuales industriales y domésticas se encuentran la urea, metales pesados, coliformes, bacterias, grasas, etc., los cuales son altamente tóxicos para el medio ambiente. Este es el caso de las aguas residuales de las industrias petroleras, que se generan a partir de la extracción del crudo y contienen compuestos no deseados y tóxicos (p. ej., metales pesados y sustancias refractarias). Estas aguas residuales también pueden contener compuestos muy nocivos como sales disueltas y gases (p. ej., cationes, aniones, H2S, CO). Se han desarrollado múltiples alternativas para el tratamiento de estas aguas residuales a diferentes escalas, tales como tratamientos primarios y terciarios(adsorción). La sedimentación, la coagulación química, la flotación y la filtración han sido los procesos de tratamiento de aguas residuales más comunes. Por otro lado, trabajos recientes han reportado alternativas novedosas para el tratamiento de aguas residuales que contienen una alta carga tóxica y contaminante, entre ellas, el uso de Biochar se ha convertido en una alternativa adecuada para la remediación ambiental, el Biochar es un material carbonoso con interesantes propiedades fisicoquímicas (ej. alta área superficial, porosidad) y pueden ser preparados por diferentes métodos de síntesis, utilizando desechos agrícolas, como ramas de raquis de plátano, cascara de cacao, bagazo de caña, etc. Este trabajo es una tesis de revisión que se basa en una descripción general del Biochar para la remediación ambiental enfocado en la remediación de aguas residuales procedente de la industria petrolera. Además, se ha analizado la producción, síntesis y múltiples usos. Ya que este material ha mostrado una alta capacidad de adsorción de compuestos tóxicos provenientes de aguas residuales de la industria petrolera. Por tanto, este trabajo se centra en el estudio del BC procedente de residuos agrícolas para el tratamiento de aguas residuales de la industria petrolera, que contribuye a la economía circular y a la remediación ambiental a través de la mitigación de los efectos generados por la carga contaminante y tóxica que genera esta industria.Petroquímico/
Virtual robot driven by a self-taught agent for protein folding simulation
No full textCurrently, artificial intelligence (AI) has taken an essential role in many fields of scientific research. AI has proven to be useful for developing powerful algorithms for the control and assembling of complex robotic systems based on neural networks, in particular in the Creation of self-motivated agents capable of exploring new solutions in arbitrarily complex electromechanical environments.
This project proposes the study and improvement of a virtual multi joint robot driven by a self-motivated neural agent, capable of learning efficient protein folding policies by itself. The robot represents a peptide chain belonging to the human coronavirus Hemagglutinin-Esterase (HEs) protein, and the associated agent acquires through reinforcement learning the capacity to fold itself into a 3D shape that mimics the structure of mentioned protein. This knowledge could be very important in the manufacture of drugs that counteract virus infection.
In the operational phase of the project, the neural agent will be complemented with neural networks that support its protein folding memory. These neural networks are trained with look in to the future principles to satisfy the Bellman equation. The final goal is to create an intelligent protein folding robot with the capacity to resolve a selected section of the HEs protein.Actualmente la inteligencia artificial (IA) ha tomado un papel fundamental en muchos campos de la investigación científica. La IA ha demostrado ser útil para desarrollar potentes algoritmos para el control y montaje de sistemas robóticos complejos basados en redes neuronales, en particular en la creación de agentes auto motivados capaces de explorar nuevas soluciones en entornos electromecánicos arbitrariamente complejos.
Este proyecto propone el estudio y mejora de un robot virtual multiarticular impulsado por un agente neuronal auto motivado, capaz de aprender por sí mismo políticas eficientes de plegamiento de proteínas. El robot representa una cadena peptídica perteneciente a la proteína hemaglutinina-esterasa (HEs) del coronavirus humano, y el agente asociado adquiere mediante aprendizaje por refuerzo la capacidad de plegarse en una forma 3D que imita la estructura de dicha proteína. Este conocimiento podría ser muy importante en la fabricación de fármacos que contrarresten la infección por virus.
En la fase operativa del proyecto, el agente neuronal se complementará con redes neuronales que respaldan su memoria de plegamiento de proteínas. Estas redes neuronales se entrenan con miras a los principios futuros requeridas por la ecuación de Bellman. El objetivo final es crear un robot inteligente de plegamiento de proteínas con capacidad para resolver una sección seleccionada de la proteína HEs.Ingeniero/a en Tecnologías de la Informació
Synthesis of chitosan fibers by electrospinning
No full textElectrospun fibers based on chitosan have been studied for their biocompatibility and antibacterial properties. Nevertheless, producing pure chitosan fibers through electrospinning is challenging due to its rigid chemical structure. This study synthesizes chitosan fibers by optimizing polymer solution and electrospinning process parameters. Several concentrations of chitosan were produced from shrimp, crab shells, and commercial chitosan(Sigma-Aldrich). The solvents tested were dilute Acetic Acid (AcOH), Trifluoroacetic acid (TFA) 99 % purity, and Dichloromethane (DCM) . To improve their conductivity, some solutions were reinforced with Multi Walled Carbon Nanotubes (MWCNTs). Several chitosan solutions were tested for electrospinning, but none produced a visible jet when the electric field was applied. Only when TFA was used as the solvent, chitosan fibers were deposited onto the collector. The results showed that when the chitosan concentration was increased, the morphology of the deposition on the collector changed from spherical beads to interconnected fiber. The homogeneity of the electrospun chitosan fiber was improved by adding DCM to the chitosan-TF solution with a volume ratio 70:30 v/v. Scanning electron microscopy (SEM) analyzed the morphology of the fibers; before observation, the samples were coated with gold using plasma sputtering. The samples that provided the best fibers were Sigma-Aldrich chitosan and crab chitosan at a concentration of 4 % (w/v) using TFA/DCM as solvent. Upon subjecting the fibers to chemical analysis via Raman spectroscopy, the results indicated the presence of amino groups (NH_2) that are characteristic of chitosan. It is interesting to note that the solvent-related peaks (CF_3) were not visibly prominent in the spectra, indicating that the electrospinning process was successful in eliminating all the solvent. The successful production of chitosan fibers offers a new approach to creating smart scaffolds for tissue engineering.Las fibras de quitosano electrohiladas se han estudiado por su biocompatibilidad y sus propiedades antibacterianas. Sin embargo, la producción de fibras puras de quitosano mediante electrospinning es un reto debido a su rígida estructura química. En este estudio se sintetizan fibras de quitosano optimizando la solución de polímero y los parámetros del proceso de electrospinning. Se elaboraron soluciones a varias concentraciones de quitosano a partir de caparazones de camarón, cangrejo y quitosano comercial (Sigma-Aldrich). Los disolventes usados fueron ácido acético diluido(AcOH), ácido trifluoroacético (TFA) al 99 % de pureza y diclorometano (DCM). Para mejorar su conductividad, algunas soluciones se reforzaron con nanotubos de carbono multipared (MWCNT). Se probaron varias soluciones de quitosano para electrospinning, pero ninguna produjo un chorro visible cuando se aplicó el campo eléctrico. Sólo cuando se utilizó TFA como disolvente se depositaron fibras de quitosano en el colector. La homogeneidad de las fibras electrohiladas se mejoró añadiendo DCM a la solución de quitosano-TFA. Mediante microscopía electrónica de barrido (SEM) se analizó la morfología de las fibras; antes de la observación, las muestras se recubrieron de oro mediante pulverización de plasma. Las muestras que proporcionaron las mejores fibras fueron el quitosano de Sigma-Aldrich y el quitosano de cangrejo a una concentración del 4 % (p/v) utilizando TFA/DCM como disolvente. Al someter las fibras a un análisis químico mediante espectroscopia Raman, los resultados indicaron la presencia de grupos amino (NH_2) característicos del quitosano. Es interesante observar que los picos relacionados con el disolvente (CF_3) no eran visiblemente prominentes en los espectros, lo que indica que el proceso de electrospinning consiguió eliminar todo el disolvente. La producción satisfactoria de fibras de quitosano ofrece un nuevo enfoque para crear andamios inteligentes para la ingeniería de tejidosIngeniero/a Biomédico/
Q-learning to develop an IoT network controlled by an agent
No full textToday the interaction between computer systems and people is more common and frequent worldwide. As a result, artificial intelligence (AI) techniques have become increasingly relevant and necessary in everyday life since their applications allow the automation of processes commonly done manually. Moreover, at a technological level, AI can deal with large-scale problems such as handling massive data, security problems, and human-machine interaction.
As technology advances, it is necessary to give importance to the problems present in the daily life of citizens since they affect their quality of life. Smart Cities come to solve problems of social, environmental, and mobility interests, among many others. That is why it is so relevant. Therefore, as a contribution to the growth of Smart Cities, this project develops a system that solves a common problem in urban cities, such as searching for optimal routes in cases of traffic congestion or emergencies. We use the Internet of Things (IoT) technologies to create a distributed system that allows us to establish a global network where exchanging data between devices, sensors, and humans is possible. Based on a client-server model, we seek to connect ESP8266 nodes that can communicate through a known broker called MQTT. In turn, an intelligent agent is developed capable of learning and acting rationally within an environment, seeking to maximize an objective function. The results allow us to obtain trained intelligent agents capable of exploiting optimal paths within a maze using Q-learning. In addition, we obtain a distributed system capable of communicating through MQTT from anywhere in the world and in real-time.Hoy en día la interacción entre los sistemas informáticos y las personas es más común y frecuente a nivel mundial. Como resultado, las técnicas de inteligencia artificial (IA) se han vuelto cada vez más relevantes y necesarias en la vida cotidiana, ya que sus aplicaciones permiten la automatización de procesos que comúnmente se realizan de forma manual. Además, a nivel tecnológico, la IA puede hacer frente a problemas a gran escala, como el manejo de datos masivos, problemas de seguridad e interacción hombre-máquina.
A medida que avanza la tecnología es necesario darle importancia a los problemas presentes en el día a día de los ciudadanos ya que afectan su calidad de vida. Las Smart Cities vienen a solucionar problemas de interés social, medioambiental, de movilidad, entre muchos otros, por eso es tan relevante. Como contribución al crecimiento de las Smart Cities, este proyecto desarrolla un sistema que resuelve un problema común en las ciudades urbanas, como es la búsqueda de rutas óptimas en casos de congestión de tráfico o emergencias. Utilizamos las tecnologías de Internet de las cosas (IoT) para crear un sistema distribuido que nos permite establecer una red global donde es posible el intercambio de datos entre dispositivos, sensores y humanos. Basándonos en un modelo cliente-servidor, buscamos conectar nodos ESP8266 que puedan comunicarse a través de un conocido broker llamado MQTT. A su vez, se desarrolla agentes inteligentes capaces de aprender y actuar racionalmente dentro de un entorno, buscando maximizar una función objetivo. Los resultados nos permiten obtener agentes inteligentes entrenados capaces de explotar rutas óptimas dentro de un laberinto usando Q-learning. Además obtenemos un sistema distribuido capaz de comunicarse a través de MQTT desde cualquier parte del mundo y en tiempo real.Ingeniero/a en Tecnologías de la Informació
Web application to learn sign language with deep learning
No full textDeep learning and computer vision are used to create applications that facilitate a better interaction between humans and machines. In the educational domain, obtaining information about sign language is simple, but finding a platform that allows for intuitive interaction is quite challenging. A web app has been developed to address this issue by employing deep learning to assist users in learning sign language. In this study, two models for hand-gesture recognition were tested, utilizing 20,800 images; the models tested were AlexNet and GoogLeNet. The overfitting problem encountered in convolutional neural networks has been considered while training these models. Several techniques to minimize the overfitting and improve the overall accuracy have been employed in this study. AlexNet achieved an 87% of accuracy rate when interpreting hand gestures whereas GoogLeNet achieved an 85% accuracy rate. These results were incorporated into the web app, which aims to teach the alphabet of American sign language intuitively.El aprendizaje profundo y la visión por computadora se utilizan para crear aplicaciones que faciliten una mejor interacción entre humanos y máquinas. En el ´ámbito educativo, obtener información sobre el lenguaje de señas es sencillo, pero encontrar una plataforma que permita una interacción intuitiva es todo un desafío. Se ha desarrollado una aplicación web para abordar este problema mediante el empleo de aprendizaje profundo para ayudar a los usuarios a aprender el lenguaje de señas. En este estudio, se probaron dos modelos de reconocimiento de gestos con las manos, utilizando 20.800 imágenes; Los modelos probados fueron AlexNet y GoogLeNet. Durante el entrenamiento de estos modelos se ha considerado el problema de sobreajuste que se encuentra en las redes neuronales convolucionales. En este estudio se han empleado varias técnicas para minimizar el sobreajuste y mejorar la precisión general. AlexNet logró una tasa de precisión del 87% al interpretar gestos con las manos, mientras que GoogLeNet logró una tasa de precisión del 85%. Estos resultados se incorporaron a la aplicación web, cuyo objetivo es enseñar el alfabeto de la lengua de signos estadounidense de forma intuitiva.Ingeniero/a en Tecnologías de la Informació
An improved congestion control mechanism for wireless networks using reinforcement learning
No full textWireless communication networks, particularly multi-hop ones, are rapidly expanding, driven by integrating communication capabilities into various devices. A significant challenge in these networks is managing congestion, especially when using the User Datagram Protocol (UDP), which inherently lacks feedback mechanisms during congestion. This thesis introduces a novel congestion control approach tailored for these networks based on the Deep Q-Network (DQN). By employing the power of Deep Reinforcement Learning, the DQN mechanism dynamically adapts to static and mobile network scenarios, making real-time decisions to optimize network performance. The study evaluates this approach in diverse settings, including structured static networks and real-world-inspired environments. Results consistently show the DQN mechanism's superiority over a baseline with no congestion control, particularly regarding Packet Delivery Ratio (PDR) and network transit time. However, as network complexity increases, the model's performance diminishes, suggesting potential scalability challenges. The DQN-based congestion control offers a promising avenue for enhancing wireless communication, but further research is fundamental for its optimization in continuously evolving network environments.Las redes de comunicación inalámbrica, en particular las de múltiples saltos, se están expandiendo rápidamente, impulsadas por la integración de capacidades de comunicación en varios dispositivos. Un desafío importante en estas redes es gestionar la congestión, especialmente cuando se utiliza el protocolo de datagramas de usuario (UDP), que inherentemente carece de mecanismos de retroalimentación para mitigar la congestión. Esta tesis presenta un novedoso enfoque de control de congestión diseñado para estas redes, basado en Deep Q-Network (DQN). Al emplear el poder del aprendizaje por refuerzo profundo, el mecanismo DQN se adapta dinámicamente a escenarios de redes estáticas y móviles, tomando decisiones en tiempo real para optimizar el rendimiento de la red. El estudio evalúa este enfoque en diversos entornos, incluidas redes estáticas estructuradas y entornos inspirados en el mundo real. Los resultados muestran consistentemente la superioridad del mecanismo DQN sobre una línea de base sin control de congestión, particularmente en lo que respecta a la tasa de entrega de paquetes (PDR) y el tiempo de tránsito de la red. Sin embargo, a medida que aumenta la complejidad de la red, el rendimiento del modelo disminuye, lo que sugiere posibles desafíos de escalabilidad. El control de congestión basado en DQN ofrece una vía prometedora para mejorar la comunicación inalámbrica, pero es fundamental realizar más investigaciones para optimizarlo en entornos de red en continua evolución.Ingeniero/a en Tecnologías de la Informació
Numerical study of Hilltop Inflationary (HI) Model
No full textCosmological inflation was proposed to solve some of the fine-tuning problems with the Hot Big Bang theory such as flatness and horizon problems. This approach requires the selection of a potential that drives this epoch of inflation. For this work we selected the Hilltop quartic model, that has a range of free parameters which behavior affects directly observables obtained from this work. We use two approaches: slow-roll approximation and numerical calculation. We obtained results for the background and a couple of observational features like: scalar spectral index n_S, tensor-scalar ratio r, and scalar power spectrum P_S. These results are compared to observational reports such as the Planck 2018 results. Finally, we conclude that this model is highly favored by Plank's results and that exists a range of parameters for which there is an intersection between numerical and observational results.La inflación cósmica fue propuesta para resolver algunos de los problemas llamados "fine-tuning" de la teoría del "Big Bang Caliente", como el problema de la planitud y el problema del horizonte. Este enfoque requiere la selección de un potencial que guíe esta época de inflación. Para este trabajo, se selecciona el modelo Hilltop cuartico, que tiene un parámetro libre cuyo comportamiento afecta directamente los observables obtenidos en este estudio. Se obtienen resultados sobre el espacio sin perturbaciones y un par de características observacionales, como el índice espectral escalar n_S, la razón tensor-escalar r y el espectro de potencia escalar P_S. Estos resultados se comparan con informes observacionales como el de Planck 2018. Finalmente, se concluye que este modelo es altamente favorecido por los resultados experimentales de Planck y que existe un rango de parámetros para los cuales hay una intersección entre el conjunto de resultados numéricos y observacionales.Físico/
Enhancing Electrochemical Performance of Zinc-Air Batteries Using Freeze Crosslinked Carboxymethylcellulose-Chitosan Hydrogels as Electrolytes
No full textZinc-air batteries (ZABs) are devices of great interest as a replacement option for subsequent technologies to lithium-ion batteries. Still, the need for suitable electrolyte materials limits their application in commercial devices. In this study, a green hidrogel composed of chitosan and carboxymethylcellulose was synthesized with the use of citric acid as a chemical crosslinker, physical freezing-thawing, and freezing-drying strategies. Physicochemical, thermal, and electrochemical characterizations were performed to study the effects of the proposed synthesis’ on the performance of the hydrogels for the desired application. The obtained hydrogels showed a porous morphology that was doped with a 12 M KOH solution. Adequate complexation of K+ cations and the polymer chains was observed. The resulting membranes showed an enhanced ionic conductivity of 0.39 S cm‒1, attributed to the pores and channels generated by the crosslinking strategies, contributing to the pathways for ions to move easily. In addition, the temperature dependence of the conduction mechanism was confirmed in the temperature range of 0 °C to 70 °C. The electrolytes were employed in ZABs prototypes, achieving a maximum power density of 117 mW cm‒2 and a specific capacitance of 1899 mAh g‒1. The presented results show the promising properties of these hydrogels as electrolytes for green storage devices