INANOE Repositorio (Inst- Nacional de Astrofísica, Óptica y Electrónica
Not a member yet
2571 research outputs found
Sort by
La educación humanista como eje rector en el aprendizaje de las fracciones a nivel primaria
No full textEn el marco de la educación humanista, creando situaciones de mayor atención, vía respiración consciente, acompasada con ejercicios de estiramiento, en el presente trabajo se muestra la manera de abordar el tópico de fracciones con alumnos de Quinto Grado de Primaria. Aplicando quince actividades planeadas, organizadas, secuenciadas, donde se utilizaron diversos objetos de la vida cotidiana, los alumnos construyeron su aprendizaje. Se organizaron en equipos para llevar a cabo las actividades de manera colaborativa, en donde cada niño desempeñó un papel importante, consignando con ello que su participación fue fundamental. Asimismo, el proceso de autorregulación emocional se construyó al parejo que el aprendizaje de razones. El punto de partida de la estrategia fue la denominación cotidiana del estudiante sobre fracciones; a saber, cacho, pedazo, trozo, fragmento. Los resultados muestran que los estudiantes se quedaron con el concepto de fracción como medida, razón, parte-todo y de cociente, soslayando el de operador
A Multidimensional Analysis of Text for Automated Detection of Computational Propaganda in Twitter
No full textThe way we consume news has been transformed, with technological advancements allowing people to easily express their views to vast audiences, including political opinions. These opinions can enhance a richer public dialogue; however, they also possess the potential to elevate extreme ideas that seek to manipulate or skew political narratives for personal benefit or agendas. Social media is frequently praised for its ability to boost political involvement, to the extent that its role in the spread of misinformation has even sparked worries about its impact on democracy. The importance of propaganda spread via social media can be linked to its influence in political matters, representing a domain where political factions compete for influence and control. In the past few years, there has been a noticeable surge in the volume of research studies focused on the detection of propaganda across various domains, reflecting a growing recognition of the significance and impact of propaganda in contemporary society. In this research study, we aim to contribute to the ongoing expansion of academic research surrounding the phenomenon of propaganda distributed through social networks, while also acknowledging the importance of various contextual factors that significantly influence the expression of propaganda in these environments. To facilitate this goal, we introduce a novel corpus specifically centered on propaganda posted and spread on Twitter, which has been collected from a diverse array of news media accounts. By leveraging this unique dataset, we are putting forth a classification approach that incorporates a multitude of contextual attributes, thereby enabling a more effective detection of propaganda, particularly in comparison to a baseline strategy that focuses solely on the textual content of the messages without considering a broader context. We have carried out an evaluation of the performance of our proposed approach across multiple data collections to assess its capabilities. From our evaluations, we report that our approach consistently outperforms the baseline classifier, demonstrating its superior effectiveness in detecting propaganda.La forma en que consumimos noticias se ha transformado gracias a los avances tecnológicos que permiten a las personas expresar fácilmente sus opiniones a un público amplio, incluyendo sus opiniones políticas. Estas opiniones pueden enriquecer el diálogo público; sin embargo, también tienen el potencial de impulsar ideas extremas que buscan manipular o distorsionar las narrativas políticas para beneficio propio. Las redes sociales son frecuentemente elogiadas por su capacidad para impulsar la participación política, hasta el punto de que su papel en la difusión de desinformación ha suscitado incluso preocupación por su impacto en la democracia. La importancia de la propaganda difundida a través de las redes sociales puede vincularse a su influencia en asuntos políticos, representando un ámbito donde las facciones políticas compiten por influencia y el control. En los últimos años, se ha observado un notable aumento en el volumen de estudios de investigación centrados en la detección de propaganda en diversos ámbitos, lo que refleja un creciente reconocimiento de la importancia y el impacto de la propaganda en la sociedad contemporánea. En este estudio de investigación, buscamos contribuir a la continua expansión de la investigación académica en torno al fenómeno de la propaganda distribuida a través de las redes sociales, reconociendo al mismo tiempo la importancia de diversos factores contextuales que influyen significativamente en la expresión de la propaganda en estos entornos. Para facilitar este objetivo, presentamos un novedoso corpus centrado específicamente en la propaganda publicada y difundida en Twitter, recopilado a partir de diversas cuentas de medios de comunicación. Al aprovechar este conjunto de datos único, proponemos un enfoque de clasificación que incorpora una multitud de atributos contextuales, lo que permite una detección más eficaz de la propaganda, especialmente en comparación con una estrategia de línea base que se centra únicamente en el contenido textual de los mensajes sin considerar un contexto más amplio. Hemos llevado a cabo una evaluación del rendimiento de nuestro enfoque propuesto en múltiples conjuntos de datos para evaluar sus capacidades
[Ca2+]i Signal Dynamics Modeling in Injured Endothelial Cells
Full text linkThe endothelium is the innermost tissue of the cardiovascular system in constant contact with blood cells and molecules. As a semipermeable barrier, it plays a critical role in the proper perfusion of tissues by balancing antithrombotic and procoagulant compounds, inflammatory mediators, growth factors, vasodilators, and vasoconstrictors agents. Endothelial cells (ECs) are endowed with a complex mix of sensing and communication capabilities that allow them to respond to a wide range of chemical and physical stimuli, even simultaneously. The intracellular calcium concentration ([Ca2+]i) is closely linked to the functionality of ECs, triggering or modulating fundamental physiological processes such as apoptosis, phagocytosis, exocytosis etc. [Ca2+]i signaling is impaired in several diseases, leading to cardiovascular complications or even life-threatening multi-organ dysfunction. There is evidence for structural and functional heterogeneity of ECs, suggesting the existence of spatially distributed clusters specialized for the detection of specific chemical activators, and ECs from different clusters show different patterns of [Ca2+]i, but the basis is still unclear. Therefore, characterizing the overall Ca2+ activity of the endothelial monolayer may be a first step toward understanding the behavioral variability of the endothelium and the Ca2+ mechanisms involved. Since the endothelium is often damaged by trauma, disease, or common clinical procedures, such as catheterization, it is valuable to study the physiological processes involved in endothelial tissue regeneration. On the one hand, enzymatic treatments applied to in vitro cultured ECs alter their behavior, including disruption of cell junctions; on the other hand, in situ ECs preserve conditions closer to the actual physiological ones. Although there are some challenges to overcome, the experimental protocol of mechanical injury in in situ ECs is well suited to study the tissue regeneration processes.El endotelio es el tejido más interno del sistema cardiovascular que está en contacto permanente con las células sanguíneas y una diversidad de moléculas. Como barrera semi permeable, el endotelio desempeña una función importante en la correcta perfusión del tejido al modular la producción de compuestos antitrombóticos y procoagulantes, mediadores inflamatorios, factores de crecimiento, agentes vasodilatadores y vasoconstrictores. Las células endoteliales (CEs) están provistas de la capacidad de responder a un amplio rango de estímulos físicos y químicos, incluso de manera concurrente. La concentración de calcio intracelular ([Ca2+]i) está estrechamente relacionada con la funcionalidad de las CEs, esta inicia y/o modula procesos fisiológicos fundamentales como son la apoptosis, fagocitosis, exocitosis, etc. La [Ca2+]i en las CEs es alterada por múltiples enfermedades, lo cual lleva a complicaciones cardiovasculares o incluso disfunción multiorgánica, lo cual pone en riesgo la vida. Hay evidencia de heterogeneidad funcional y estructural de las CEs que sugieren la existencia y distribución espacial de conjuntos especializados de CEs que participan en la detección de activadores químicos específicos, donde CEs de diferentes conjuntos muestran diferentes patrones de señales intracelulares de Ca2+, sin embargo, los fundamentos aun no son claros. Por lo tanto, la caracterización global de la actividad de Ca2+ de la monocapa endotelial puede ser un primer paso para entender la variabilidad comportamental del endotelio y los mecanismos de Ca2+ relacionados. El endotelio es frecuentemente dañado por lesiones, enfermedades o procedimientos clínicos comunes, como los cateterismos, por ende, es valioso el estudio de los procesos fisiológicos implicados en la regeneración del tejido endotelial. Por un lado, los procedimientos enzimáticos aplicados a ECs cultivadas in vitro cambian su comportamiento en parte porque las uniones intracelulares se pierden, por otro lado, las ECs in situ conservan condiciones más cercanas a las fisiológicas. Aunque algunos retos deben superarse, el protocolo experimental de la lesión de las CEs in situ es adecuado para el estudio de los procesos de regeneración
Método de extracción de parámetros para el modelado de celdas y paneles solares.
Full text linkLa energía obtenida por radiación solar, es una de las más estudiadas, ya que está puede ser aplicada en casi cualquier parte del mundo, por lo que contar con dispositivos que aprovechen lo mejor posible la cantidad de luz que llega a la superficie terrestre, es un tema de investigación en desarrollo y contar con las herramientas necesarias para cumplir con dichos objetivos es indispensable. Es por ello, que se tienen modelos que buscan representar con un mínimo de error a los dispositivos solares, siendo un tema de interés dentro del modelado, el de la extracción de parámetros, por lo que se implementan diversos métodos matemáticos para cumplir con dicha tarea, sin embargo, aún no pueden ser generalizados, para ser aplicados a diferentes tecnologías o dispositivos como lo son las celdas o paneles solares. Al inicio del presente trabajo, se busca la mejora de uno de los métodos de extracción más aplicado (Newton-Raphson), para extraer los parámetros del modelo de diodo único (SDM), para paneles solares comerciales. Buscando un método que pueda generalizar su aplicación, se propone un nuevo método gráfico, basado en métodos no iterativos y el cálculo de la pendiente de una recta que pasa por dos puntos, con el fin de calcular directamente la resistencia en serie (Rs) y la resistencia en paralelo (Rp), sobre la curva I-V, tanto la proporcionada por el fabricante en la hoja de datos (aplicando el análisis de imágenes), como curvas experimentales obtenidas por caracterización eléctrica con ayuda de un simulador solar. Teniendo como resultado, un método que es capaz de extraer parámetros tanto de dispositivos comerciales como celdas y paneles solares, como de dispositivos fabricados en INAOE.Solar radiation energy is one of the most studied forms of energy, as it can be applied almost anywhere in the world. Therefore, having devices that can optimally harness the amount of light reaching the Earth's surface is an area of ongoing research, and having the necessary tools to achieve these objectives is essential. As a result, models are developed to represent solar devices with minimal error. A key area of interest within modeling is parameter extraction, and various mathematical methods are implemented to accomplish this task. However, these methods have yet to be generalized for application to different technologies or devices such as solar cells or panels. At the beginning of this work, we aim to improve one of the most commonly applied extraction methods (Newton-Raphson) to extract the parameters of the single diode model (SDM) for commercial solar panels. Seeking a method that can generalize its application, we propose a new graphical method based on non-iterative methods and the calculation of the slope of a line passing through two points. This allows for the direct calculation of series resistance (Rs) and parallel resistance (Rp) on the I-V curve, both from the manufacturer's data sheet (using image analysis) and from experimental curves obtained through electrical characterization with the aid of a solar simulator. As a result, we have developed a method capable of extracting parameters from both commercial devices, such as solar cells and panels, and devices manufactured at INAOE
Molecular diversity in High Mass Star Forming Regions
Full text linkIn current studies on massive star formation, several uncertainties remain, including questions about the source of mass reservoir, the process of accretion and ejection, and how these mechanisms overcome radiation pressure to allow substantial mass accretion. When examining the accretion-ejection process, understanding the chemical composition of the outflow (and, if possible, the pristine jet) becomes crucial. Therefore, a detailed analysis of these outflows is essential for gaining insights into the complexities of massive star formation. In this thesis, we present the outcomes of three sub-projects focusing on the investigation of the chemical composition and enrichment of Interstellar Complex Organic Molecules (iCOMs) within a sample of Massive Young Stellar Objects (MYSOs). These objects have been identified to harbor active ongoing accretion, as evidenced by their observed outflow movements. The intense movements induced by outflows, particularly high-velocity shocks, have influenced a distinctive chemistry within this MYSO sample. Observed in the faint broad line profiles that some iCOMs emission lines exhibit, we have identified these molecules tracing the outward regions from the core, aligning with the observed outflow path. This suggests that their chemical enhancement is attributed to the outflow itself. Our dataset comprises MYSOs chosen from Extended Green Objects (EGOs) and APEX Telescope Large Area Survey of the Galaxy (ATLASGAL) sources. The selection process was guided by a survey aimed at identifying potent emitters of SiO 2-1 and 1-0 transitions, conducted using single-dish facilities in a prior study. Additionally, we include the nearest High Mass Star Forming Region (HMSFR) available: Orion-KL. The data encompass both single-dish and interferometric observations, and we provide a detailed description in separated chapters for each sub-project
Clasificación de Imágenes con Arquitecturas Ligeras de Redes Neuronales en el Espacio de Fourier
Full text linkConvolutional Neural Networks (CNN) are one of the most used tools in the area of computer vision. When working with low-resolution images, its low memory cost per filter allows building deep architectures with a high level of accuracy. However, the deeper the architecture or the higher the resolution, the higher the computational cost. This is due to the convolution operation, which makes its implementation difficult, mainly in low-end devices. Several works have studied how to leverage the properties of the convolution theorem to reduce this cost, performing in the Fourier space (frequency representation). However, such proposal has drawbacks that hinders its implementation, for example, the definition of each basic CNN component in the frequency representation, including convolutional layers, activation functions and pooling layers. Furthermore, working in the frequency domain incurs in a considerable increase of the size of the filters, resulting in a greater demand for memory. In this work, two alternatives are proposed to address these problems in the context of image classification, one focused on low-resolution images and the other for high-resolution images. In the first approach, two architectures are proposed, denominated type-R and type-LT; the type-R architectures work with a subset of the frequency components of the images, which we denominate reduced representation. The type-LT architectures, together with a novel layer denominated Linear Transform, dynamically build a reduced representation, which contains the most relevant information of the entire frequency representation. In the second approach, the Butterworth-CNN (BW-CNN) architecture is proposed, which uses all frequency components, with a mechanism with a small number of parameters, which generates Butterworth filters, and with a novel pooling layer called Spectral Average Pooling. The results using five data sets showed that the proposed architectures present substantial improvements, compared to other Fourier domain architectures in the state-of-the-art. Additionally, advantages over CNN in accuracy and computational cost were observed in some cases.Las redes neuronales convolucionales (CNN por sus siglas en inglés) son una de las herramientas más utilizadas en el área de visión por computadora. Cuando se manejan imágenes pequeñas, el bajo costo de memoria por filtro permite construir arquitecturas profundas con un alto nivel de exactitud. Sin embargo, a medida que se trabaja con arquitecturas más profundas o imágenes en alta resolución, el alto costo computacional de la operación de convolución dificulta su implementación, principalmente en dispositivos con recursos limitados. Varios trabajos han estudiado cómo aprovechar las cualidades del teorema de la convolución para aligerar este costo, operando en el espacio de Fourier (representación frecuencial). Sin embargo, estas propuestas presentan algunas dificultades en su implementación, como por ejemplo, la definición de todos los componentes básicos de una CNN en la representación frecuencial, incluyendo capas convolucionales, funciones de activación y capas de pooling. Además, trabajar en el dominio frecuencial conlleva un aumento considerable en el tamaño de los filtros, lo que resulta en una mayor demanda de memoria. En este trabajo se proponen dos alternativas para afrontar estos inconvenientes en problemas de clasificación de imágenes, una enfocada en imágenes pequeñas y otra para imágenes grandes. En el primer enfoque, se proponen dos arquitecturas, llamadas tipo-R y tipo-LT; las arquitecturas tipo-R trabajan con un subconjunto de las componentes frecuenciales de las imágenes, lo que denominamos representación reducida. Las arquitecturas tipo-LT, en conjunto con una nueva capa denominada Linear Transform, construyen de manera dinámica una representación reducida que contiene la información más relevante de toda la representación frecuencial. Para el segundo enfoque, se propone la arquitectura Butterworth-CNN (BW-CNN), la cual usa todas las componentes frecuenciales, a través de un mecanismo con pocos parámetros que genera filtros tipo Butterworth, y una nueva capa de pooling denominada Spectral Average Pooling. Los resultados utilizando 5 bases de datos mostraron que las arquitecturas propuestas presentan mejoras sustanciales en comparación con otras arquitecturas en el dominio de Fourier encontradas en el estado del arte. Además, en algunos casos se observaron ventajas en la exactitud y costo computacional en contraste con CNN
Algoritmo para calcular todos los reductos difusos de Goldman
Full text linkEncontrar todos los reductos difusos de Goldman es un problema combina- torio. Para evitar evaluar la definición de reducto difuso de Goldman para cada subconjunto de características del espacio de búsqueda, se han propuesto algunos algoritmos que ordenan el espacio de búsqueda y realizan podas, o construyen los reductos difusos de Goldman a partir de la Matriz de Discernibilidad No Booleana Simplificada (MDNBS). En esta tesis se propone un nuevo algoritmo para calcular todos los reductos difusos de Goldman utilizando un nuevo ordenamiento del espacio de búsqueda basado en el orden lexicográfico, y proponiendo estrategias de poda basadas en este nuevo orden. Además, se introduce una nueva definición de densidad para caracterizar las MDNBS y determinar a priori qué algoritmos tendrán mejor desempeño para una MDNBS específica. Basados en nuestros experimentos, el algoritmo propuesto es más rápido que los algoritmos reportados en el estado del arte en MDNBS con una densidad mayor de 0.5.Finding all fuzzy Goldman reducts is a combinatorial problem. Thus, to avoid evaluating the definition of fuzzy Goldman reduct for each subset of features in the search space, some algorithms have been proposed to order the search space and perform pruning. Other algorithms build the fuzzy Goldman reducts from the Simplified Non-Boolean Discernibility Matrix (MDNBS). In this thesis, a new algorithm is proposed to compute all fuzzy Goldman reducts, using a new ordering of the search space based on the lexicographic order and pruning strategies were proposed based on this new ordering. In addition, a new definition of density is introduced to characterize the MDNBS and to determine a priori which algorithms will perform better for a specific MDNBS. Based on our experiments, the proposed algorithm is faster than the algorithms reported in the state of the art on MDNBS with a density greater than 0.5
Estudio Analítico Avanzado de Interfaces en Tecnologías de Celdas Solares Híbridas de Silicio-Polímero y de Perovskita
Full text linkEste proyecto de investigación se centró en el estudio de celdas solares híbridas basadas en a-Si:H y MAPbI3 (perovskita), con el objetivo de analizar y comprender los efectos ópticos, estructurales y eléctricos en las interfaces entre la capa transportadora de huecos (HTL) y la capa activa de dos configuraciones distintas: HTL/a-Si:H y HTL/perovskita. El estudio inicial se enfocó en obtener las propiedades ópticas de las películas delgadas donantes/aceptores y de las capas activas de las estructuras. A partir de la respuesta espectral y modelos ópticos, se determinaron el índice de refracción (n) y el coeficiente de extinción (k) en materiales orgánicos e inorgánicos. En el caso del ITO, se conectaron los parámetros del modelo del oscilador de Tauc-Lorentz Drude (TLD) con la longitud de plasma (λg) que se obtuvo a través de mediciones espectrales de reflectancia/transmitancia (300-2400 nm), permitiendo determinar la concentración de portadores (N) ~4.8X1020 cm-3 y la movilidad (μ) ~15.68 cm2/V·s. Demostramos que la respuesta espectral de materiales orgánicos como: [6,6]-phenyl-C61-butyric acid methyl ester (PCBM), Bathocuproine (BCP), poly[(9,9-bis(3'-(N,N-dimethylamino)propyl)-2,7-fluorene)-alt-(9,9 dioctylfluorene-2,7-diyl)] (PFN) o materiales híbridos como MAPbI3, permite determinar sus propiedades ópticas y eléctricas. Esto se logra ajustando modelos ópticos a mediciones de transmitancia, una alternativa a la elipsometría para caracterizar materiales complejos. El segundo estudio cuantificó las pérdidas ópticas mediante simulaciones de eficiencia cuántica externa (EQE) en estructuras híbridas con interfaces PEDOT:PSS/a-Si:H y a-Si:H/PFN. Se encontró que reducir el espesor de PEDOT:PSS mejoraba la densidad de corriente de corto circuito (Jsc), lo que llevó a reemplazar la capa dopada tipo (n) por PFN en la interfaz posterior. Esto resultó en una estructura doble híbrida con mejoras en el rendimiento de la celda solar, con valores de Jsc = 13.48 mA/cm2, un de voltaje de circuito abierto (Voc) de 8.3 V, un valor de factor de llenado (FF) de 43.02% y una eficiencia de conversión de potencia (PCE) de 4.81%. Los estudios realizados de los perfiles de profundidad de espectrometría de masas de iones secundarios (SIMS)confirmaron la integridad y definición de las capas de PFN y PEDOT:PSS, mientras que las mediciones por microscopía de fuerza atómica (AFM), evidenciaron una excelente nano cobertura de PFN sobre a-Si:H
Aumento de datos para detección de deterioro cognitivo en habla espontánea
Full text linkEl procesamiento de voz a través de técnicas de aprendizaje profundo (deep learning) ha alcanzado excelentes resultados en los últimos años. No obstante, es necesario contar con grandes cantidades de datos para poder trabajar con dichos modelos. La carencia o falta de datos es un reto por enfrentar en este tipo de situaciones. En particular, dentro del ámbito de las aplicaciones médicas esto se convierte en un importante cuello de botella. En este trabajo se aborda dicho problema mediante la exploración de diferentes técnicas de aumento de datos para la detección de deterioro cognitivo leve en voz espontánea, además de los procesos y análisis que esto conlleva; es por esto que el presente trabajo consideró diferentes aspectos como: (i) técnicas de extracción de características en audios, (ii) el aprovechamiento de modelos preentrenados en audio para extracción de embeddings, (iii) técnicas de aumento agregando datos reales de una clase similar, (iv) técnicas de aumento que modifican la señal de audio, (v) técnicas de aumento que usan la representación del elemento, y (vi) técnicas de aumento usando redes neuronales profundas generativas. Bajo este último punto, específicamente se analizaron dos variantes de la Wasserstein Generative Adversarial Networks with Gradient Penalty (WGAN-GP), que usan capas convolucionales unidimensionales, para la generación de datos sintéticos a partir de embeddings de audio. Mediante la experimentación con la colección de datos de la competencia (Alzheimer’s Dementia Recognition through Spontaneous Speech (audio only)) ADReSSo, que contiene audio de entrevistas diagnósticas a personas con deterioro cognitivo y sanos; se encontró que la adición de datos de pacientes con deterioro cognitivo avanzado, así como la aplicación de técnicas de aumento que modifican la señal de audio, mejoran la detección del deterioro cognitivo leve. Aunque los modelos generativos no superaron el rendimiento de muchas de estas técnicas de aumento, este trabajo representa una primera exploración del uso de redes neuronales profundas generativas para la generación de datos sintéticos en la detección del deterioro cognitivo leve.Speech processing through deep learning techniques has achieved excellent results in recent years. However, it is necessary to have large amounts of data to be able to work with such models. The lack of data is a challenge to be faced in this type of situation. Particularly, within the field of medical applications this becomes a major bottleneck. This work addresses this problem by exploring different data augmentation techniques for the detection of Mild Cognitive Impairment in speech, in addition to the processes and analysis involved. The present work considers different aspects such as: (i) feature extraction techniques in audios, (ii) the exploitation of pretrained models in audio for embeddings extraction, (iii) augmentation techniques adding real data from a similar class, (iv) augmentation techniques modifying the audio signal, (v) augmentation techniques using element representation, and (vi) augmentation techniques using deep generative neural networks, specifically two variants of Wasserstein Generative Adversarial Networks with Gradient Penalty (WGAN-GP), which use one-dimensional convolutional layers, for synthetic data generation from audio embeddings. We experimented on the ADReSSo (Alzheimer’s Dementia Recognition through Spontaneous Speech (audio only)) challenge data collection, which contains audio from diagnostic interviews of cognitively impaired and healthy people, it was found that the addition of data from patients with advanced cognitive impairment, as well as the application of augmentation techniques that modify the audio signal, improve the detection of mild cognitive impairment. Although the generative models did not outperform these augmentation techniques, this work represents a first exploration of the use of generative deep neural networks for synthetic data generation in the detection of mild cognitive impairment using voice. Overall this work demonstrates the potential of artificial data augmentation to improve the detection of Mild Cognitive Impairment from spontaneous speech, laying the groundwork for future research in the use of Deep Learning techniques to aid in the diagnosis of Alzheimer’s-related Mild Cognitive Impairment
Temperature robust PUF in 65nm CMOS technology for authentication applications
Full text linkEn este trabajo se aprovecha el comportamiento eléctrico de las celdas CMOS ”winner take all” (WTA) para crear una nueva topología de función física inclonable (PUF) utilizando espejos y comparadores de corriente. La celda básica es realizada con espejos de corriente tipo cascodo de bajo voltaje y celdas WTA Sekkerkiran de alta ganancia. Estas celdas son capaces de seleccionar una neurona ganadora de acuerdo con las variaciones del proceso de fabricación. La celda se valida a nivel post layout utilizando Cadence Virtuoso con tecnología UMC de 65nm. La implementación del PUF da como resultado un consumo de energía de 5.670 pJ/b con una inestabilidad de bits nativa del 2.294% entre 1024 lecturas considerando variaciones de temperatura (-20◦C ∼ 120◦C) y una fluctuación del suministro voltaje de ±10% del voltaje de alimentación nominal. El rendimiento del PUF se cuantifica con métricas de unicidad, uniformidad y confiabilidad que arrojan resultados de 49.614%, 49.662% y 97.706%, respectivamente, entre 1000 instancias consideradas. Se obtiene un promedio de inter-HD=49.837% e intra-HD=1.570% asumiendo variaciones de temperatura y voltaje, la latencia de generación de claves criptográficas es de 73 ns, mientras que la verdadera aleatoriedad de esas claves se demuestra mediante pruebas NIST y la función de autocorrelación (ACF). Por otro lado, para superar el problema de la generación, almacenamiento y protección de claves secretas debido a los recursos limitados de la red de IoT, se propone la implementación de un protocolo de autenticación ligero implementado con memristores binarios y circuitos CMOS WTA. El almacenamiento estático de claves PUF se realiza mediante una matriz cruzada (crossbar) de memristores, donde las claves se guardan a través de valores instantáneos de memristancia como estados lógicos Ron o Rof f. La matriz cruzada realiza una operación XOR entre la entrada y los patrones almacenados en la matriz para validar las claves de entrada previamente guardadas. Con esta arquitectura, se aprovechan las propiedades computacionales de las matrices cruzadas memristivas para implementar un protocolo de autenticación ligero sin desperdiciar recursos en procesamiento activo para el registro, almacenamiento y verificación de claves criptográficas.In this work the electrical behaviour of CMOS winner take all (WTA) cells is exploited to create a novel topology for physical unclonable functions (PUF) using current mirrors and current comparators. The basic cell is based on low voltage cascode current mirrors and high-gain Sekkerkiran winner take all (WTA) cells. These cells are capable to select a winner neuron according to manufacture process variations. The cell is validated through performing post-layout simulation using Cadence Virtuoso tools with a 65nm UMC technology. The result of the implementation yields to a PUF energy consumption of 5.670pJ/b with native bit instability of 2.294% among 1024 readings considering temperature and voltage variations from (-20◦C ∼ 120◦C) and voltage variation of ±10% of the nominal value. The PUF performance is quantified with uniqueness, uniformity and reliability metrics yielding results of 49.614%, 49.662% and 97.706% respectively among 1000 considered instances. An average inter-HD=49.837%, and intra-HD=1.570% are obtained assuming temperature and voltage variations, the key generation latency is 73ns, while the true randomness of keys is proved by NIST and autocorrelation function (ACF) tests. On the other hand, to overcome the challenge of generating, storing, and protecting secret keys due to the limited resources of the IoT network, the implementation of a lightweight authentication protocol using binary memristors and CMOS WTA circuits is proposed. The static storage of PUF keys is achieved through a crossbar array of memristors, where keys are stored via instantaneous memristance values as logical states Ron or Rof f . The crossbar array performs an XOR operation between the input and the stored patterns in the array to validate previously stored input keys. With this architecture, the computational properties of memristive crossbar arrays are harnessed to implement a lightweight authentication protocol without wasting resources on active processing for registration, storage, and cryptographic key verification