¿Qué conceptos de ciencia de libros de texto te asombraron o emocionaron más cuando los observaste (no leíste sobre ellos) por primera vez?

  • Mi momento favorito de ingeniería mecánica fue cuando jugué con la supresión de timbres en sistemas dinámicos sin usar controladores .
  • Mi momento favorito de visión artificial fueron los resultados listos para usar del algoritmo de factorización de matriz no negativa de Seung .

Supresión de timbres en sistemas dinámicos sin usar controladores .

Antecedentes: en la dinámica de los sistemas mecánicos, y específicamente en el diseño de motores lineales y steppers (actuadores), existe este concepto de timbre y oscilación que ocurre a la frecuencia mecánica natural (frecuencia de resonancia) del objeto. Por ejemplo, si desea que un motor gire exactamente 10 grados y se detenga allí mismo, no lo hará.

Proporcionará al actuador una señal de control (básicamente una señal de voltaje para sistemas piezoeléctricos / electrostáticos o una señal de corriente para sistemas electromagnéticos) que teóricamente empuja el actuador hasta el número de rotación de 10 grados y luego generalmente mantendrá la señal allí. Pero el actuador solo oscila unos 10 grados +/- pocos grados (dependiendo del cumplimiento del sistema) durante un tiempo. Este es el concepto clásico de timbre y sobreimpulso.

A veces nos importa minimizar este comportamiento porque introduce un montón de ruidos (electromagnéticos, ópticos …) en el sistema y reduce la rapidez con la que un sistema puede responder a las señales de entrada (por ejemplo, en los motores paso a paso reduce su velocidad de paso discreta ) También afecta la resolución estadística y la precisión que se puede obtener de los actuadores de posicionamiento.

Hay algunas maneras de controlar esto: muy a menudo implementado usando la teoría de control de retroalimentación / avance donde necesita sensores adicionales y muchas otras cosas (digitalizadores, microprocesadores, DSP y ancho de banda). El uso de controladores PID (en cascada / por partes) es el enfoque favorito de todos para resolver esto. Lo que haces allí es ajustar la ‘amortiguación efectiva’ en el sistema para que sea crítica. Pero este enfoque es problemático si sus frecuencias de actuación son del orden de 10s de KHz. También existen estos sofisticados algoritmos de control de vectores utilizados en el control de motores que usan flujo / EMF / torque como referencias de entrada, pero estos son realmente difíciles de implementar en sistemas pequeños de factor de forma subminiatura.


Teniendo un fondo dinámico de sistemas / ingeniería estructural, solía especular que el timbre podría ser suprimido al incluir ciertas frecuencias estructurales en la señal de control en sí (bastante obvio, en realidad). Más tarde encontró un artículo publicado en los años 80 por Kenji Uchino sobre el control de los cabezales de impresión piezoeléctricos / electromagnéticos de matriz de puntos, que hablaba exactamente de esto. Recuerdo haber criticado a todos los que conocía que tenían interés en la dinámica con ese documento.

Hice algunas simulaciones rápidas para verificar la teoría (Imágenes 1 y 2), y luego realicé experimentos para verificar la implementación (Imágenes 3 y 4). Raramente busco la verificación experimental ( realmente confío en mis modelos) pero esta vez tuve que verla yo mismo.

Me sorprendió lo sencillo que hizo el diseño del sistema. Los EE se enojaron porque esto significaba un cambio de diseño y canales DAC adicionales en un espacio de diseño ya limitado.

Imagen 1. [Teórico] Muestra los efectos de un timbre / sobreimpulso simple donde la señal de control no tiene en cuenta los armónicos estructurales .

Imagen 2. [Teórico] Muestra los resultados de incluir armónicos estructurales en la señal de control y cuán robusto es hasta un 10% de desajuste en las frecuencias.

Imagen 3. Muestra la respuesta experimental de un sistema donde la señal del variador NO ha sido modificada para incluir armónicos estructurales del actuador.

Imagen 4. Muestra la respuesta experimental de un sistema donde la señal del variador se ha modificado para incluir armónicos estructurales del actuador.

Supongo que ahora parece bastante trivial, pero en ese momento me pareció alucinante que todos estos diseños de control h / w se basaran en la sintonización de bucle donde un simple proceso de identificación del sistema aún le daría una respuesta estable con una incertidumbre del 20% en su señal de control magnitud. Y realmente no habría ningún requisito para los pasos de ajuste iterativos / manuales que la gente usa generalmente.


Lo segundo que descubrí en la escuela de posgrado (11-755 / MLSP / Bhiksha Raj) fue el poder del algoritmo de factorización de matriz no negativa (y los factores de factorización en general).


Algoritmo de factorización de matriz no negativa utilizado para la transcripción de música.

Antecedentes: la descomposición espectral de PCA / ICA / básica es bastante sencilla de comprender si tiene un fondo de álgebra lineal. Pero la lógica de por qué funciona NNMF se me escapó entonces (todavía lo hace). NNMF es un enfoque para la descomposición de la matriz donde cada factor está restringido a ser no negativo.

Sebastian Seung (Aprendiendo partes de objetos por NNMF) mostró que los resultados de la descomposición basada en NNMF representan características reales o partes de caras, en oposición a cosas como caras abstractas / estadísticas, que simplemente se ven raras. Continuó especulando que tal vez este es el tipo de enfoque que utiliza el cerebro para comprimir / almacenar / recordar información visual.

Imagen 5. ¿Puedes reconocer los ojos, los labios, las cejas, las mejillas en la imagen factorizada a la izquierda?

Imagen 6: Eigenfaces. No tiene mucho sentido


Quería usar el enfoque NNMF en un algoritmo de transcripción de música automatizado. Algunas personas ya habían demostrado que NNMF podría usarse para transcribir música basada en sintetizadores. Pero quería intentar descomponer instrumentos de cuerda (guitarras). Recuerde que los sintetizadores son instrumentos digitales y su acústica se puede muestrear perfectamente, a diferencia de los instrumentos de cuerda en los que no puede evitar usar un micrófono o pastillas electromecánicas (las pastillas también pueden captar el ruido de voz / ambiente transmitido a través de las cuerdas). Hice algunas suposiciones sobre su función máxima (número de cadenas + 1) en las que el +1 representa un canal de ruido (para contener los ruidos no identificados de raspado y raspado de los dedos).

Como no tenía experiencia previa en ML, estaba ansioso por ver si ese enfoque realmente funcionaría. La idea básica es que necesita descomponer el espectrograma de una señal de audio en los componentes de frecuencia y las representaciones de base de tiempo utilizando el algoritmo. La canción que elegí fue ‘Sweet Child of Mine’ de GnR (porque podía tocarla), tenía una introducción clara y distinta que no usaba diapositivas / curvas / pellizcos armónicos y no era demasiado sofisticada.

De todos modos, lo intenté. La teoría sonaba bien, pero este fue mi mayor proyecto s / w hasta entonces (el NNMF era solo una pequeña parte del algoritmo, había cosas que hacer con la detección de inicio, coincidencia de frecuencia, interfaces de tabulación, alineaciones de secuencia …). Eso me puso muy nervioso. No sabía cuánto trabajo era esto hasta que realmente comencé a hackearlo.

Así que me alegró mucho ver que NNMF descompuso mágicamente los espectrogramas (Imagen 7) a las representaciones correctas de frecuencia (Imagen 8) y tiempo (Imagen 9). Mi simple generador de tablaturas también funcionó decentemente.

Imagen 7: espectrograma de introducción de GnR / SwChOM.

Imagen 8: La matriz W que muestra las frecuencias contenidas en la descomposición. La séptima fila muestra el contenido de frecuencia de ruido no identificable.

Imagen 9: La matriz H que muestra los tiempos en que las frecuencias entraron y salieron del espectrograma. La séptima fila muestra que el ruido se corresponde con los rasguños de los dedos en las cuerdas justo antes de tocar una cuerda.

Imagen 10: La introducción transcrita manualmente.

Imagen 11: La introducción transcrita algorítmicamente de las versiones iniciales del algoritmo. Compare esto con la transcripción manual que se muestra en la Imagen 10. Las unidades de tiempo son diferentes y no están alineadas con precisión. Podríamos obtener una transcripción precisa de alrededor del 60% después de unos meses más de trabajo.

Mitosis:

Sí, todos hemos estudiado sobre el concepto básico de mitosis cuando estábamos en la escuela. Todos conocemos las diferentes etapas de la mitosis de las representaciones clásicas de libros de texto. Algunos de nosotros incluso hemos visto diferentes tipos de imágenes de microscopía de los libros de texto de biología y pensamos: ” Oh, vaya, eso es genial.

Pero nada supera la experiencia de ver por primera vez una célula mitótica bajo un microscopio.

Mi primera reacción honesta cuando vi una célula profase bajo el microscopio por primera vez fue ” cerebro …”
^ No es un cerebro.

Hay muchas cosas sobre mirar cromosomas mitóticos a través de un microscopio que simplemente no se esperan cuando se ven por primera vez. Cuán dinámicos son y cuán completamente ondulados son, por ejemplo. Cuántos cromosomas bailan a lo largo del huso mitótico antes de alinearse en el centro en la metafase. Cómo unos pocos cromosomas desalineados pueden distorsionar completamente el nuevo núcleo. Cómo los defectos cromosómicos en algunas células podrían verse extremadamente enfermos y, sin embargo, ser tan bonitos . Podría seguir y seguir.

A modo de ejemplo, estas son algunas de las mejores imágenes de cromosomas mitóticos que he tomado (mi foto de perfil actual es uno de esos ejemplos). Desafortunadamente, no tengo imágenes de mitosis celulares defectuosas en este momento, he sido entrenado activamente para descartar mis muestras cuando aparecen muchas de ellas en mis células de control.


Los paneles superiores aquí muestran una celda en metafase, mientras que en el panel inferior está en anafase temprana. El color verde es un marcador cromosómico mitótico, el rojo representa cinetocoros y el azul es ADN; el panel de la izquierda es una imagen fusionada de los tres.

A continuación se muestra una vista superior extremadamente rara de una célula mitótica en la que realmente se puede ver la disposición de los cromosomas en la placa de metafase. El color verde es un marcador para los telómeros, que apuntan hacia afuera. Si observa con cuidado, también puede ver que diferentes cromosomas tienen diferentes longitudes de brazo.

La paradoja de Braess
Esta paradoja afirma que agregar una capacidad adicional a la red cuando las entidades en movimiento eligen egoístamente la ruta, en algunos casos puede reducir el rendimiento general.
Para simplificar, agregar una ruta adicional podría aumentar la congestión del tráfico en lugar de disminuir la congestión del tráfico. La paradoja de Braess es más de lo que estoy explicando. El siguiente es solo un ejemplo de la paradoja de Braess


Considere la red de carreteras anterior en la que, por ejemplo, 4000 conductores desean viajar de principio a fin. El tiempo de viaje en minutos en la carretera Start-A es el número de viajeros (T) dividido por 100, y en Start-B son 45 minutos constantes. En este caso, el camino discontinuo no existe. Por lo tanto, el tiempo de inicio a fin será
A través de Start-A-End tomará
[matemáticas] A / 100 + 45 [/ matemáticas]
Start-B-End tomará
[matemáticas] B / 100 + 45 [/ matemáticas].

Si alguna de las rutas es más corta, el sistema no estaría en el equilibrio de Nash. Como hay [matemática] 4000 [/ matemática] controladores, [matemática] A + B = 4000 [/ matemática], podemos tomar [matemática] A = B = 2000 [/ matemática] cuando el sistema está en equilibrio. Entonces cada ruta toma [matemáticas] 2000/100 + 45 = 65 minutos [/ matemáticas].

Ahora suponga que la línea punteada es un tiempo de viaje extremadamente corto y es [matemática] 0 minutos [/ matemática]. En esta situación, todos los conductores elegirán la ruta Start-A en lugar de la ruta Start-B, porque Start-A solo tomará [matemática] T / 100 = 4000/100 = 40 minutos [/ matemática] en su peor momento, mientras que Start-B está garantizado para tomar 45 minutos. En el punto A, cada conductor racional elegirá tomar el camino “libre” hacia B y desde allí continuará hasta el final, porque una vez más se garantiza que A-End tomará 45 minutos, mientras que AB-End tomará como máximo [matemáticas] 0+ 4000/100 = 40 minutos [/ matemáticas]
El tiempo de viaje de cada conductor es [matemático] 4000/100 + 4000/100 = 80 minutos [/ matemático], un aumento de los [matemático] 65 minutos [/ matemático] requeridos cuando el camino AB rápido no existía. Ningún conductor tiene un incentivo para cambiar, ya que las dos rutas originales (Start-A-End y Start-B-End) son ahora [matemáticas] 85 minutos [/ matemáticas]. Si cada conductor aceptara no utilizar la ruta AB, todos los conductores se beneficiarían al reducir su tiempo de viaje en [matemáticas] 15 minutos [/ matemáticas]. Sin embargo, debido a que cualquier conductor individual siempre se beneficiará al tomar el camino AB, la distribución socialmente óptima no es estable, por lo que se produce la paradoja de Braess.

La distribución de Fermi-Dirac
Este es un concepto básico de la mecánica estadística que describe las probabilidades de ocupación de los estados electrónicos en un gas Fermi. Como estudiante graduado, realicé experimentos ARPES, que es una técnica basada en el efecto fotoeléctrico que mide las distribuciones de electrones en los materiales en función de la energía y el momento (cristal). Cuando comenzaba, una de las cosas más geniales (y más comprensibles) era ver la distribución de Fermi-Dirac aparecer en la pantalla cuando medimos nuestra muestra de calibración de oro.

Teoría. De las estadísticas de Fermi-Dirac

Experimentar. Tenga en cuenta que los ejes se voltean desde la imagen de arriba. Los diferentes colores provienen de pruebas de un efecto experimental extraño llamado carga espacial. Prometo que el borde se ensancha a temperaturas más altas.

El disco de Airy
Cuando la luz coherente incide en una pequeña abertura circular (o cualquier otra forma), no produce un solo punto circular en un detector en el lado opuesto. En cambio, produce un patrón de difracción de Fraunhofer, que es una generalización de la explicación de los experimentos de doble rendija a otros tipos de aberturas. Lo vi por primera vez en persona cuando mi grupo de investigación compró un nuevo láser y su inventor vino a nuestro laboratorio para instalarlo. Todas las personas que participaron en este proyecto quedaron asombradas por el patrón en el otro lado del iris, porque nunca lo habíamos visto antes en nuestro tipo de trabajo. El experto estaba divertido y perplejo, como si fuéramos un grupo de niños pequeños jugando con la caja en lugar del presente.
Esta es una simulación, pero sorprendentemente, ¡este fenómeno se ve casi tan perfecto en la vida real! Fuente de la imagen: difracción de Fraunhofer

Ley de Faraday [1]

Desde primer año, he trabajado en un laboratorio donde colocamos superconductores en medio de fuertes electroimanes pulsados ​​y medimos la profundidad de penetración de Londres (una medida de la “fuerza” del estado superconductor) en función de la temperatura y el campo magnético. Comencé trabajando en un sistema de imán pulsado de sobremesa con un banco de condensadores pequeño y un imán que cabe en la palma de su mano.

Pequeño sistema de imán pulsado. El imán en sí es el pequeño cilindro azul en nuestra elegante dewar de espuma de poliestireno. La idea es cargar el banco de condensadores (era seguro hasta 500 V) y luego presionar el gran botón rojo FUEGO para descargar la energía del banco en el imán.

Primer plano del imán y la sonda. El conector banana ~ 1/3 de la sonda midió el voltaje de captación.

Para medir la fuerza del campo magnético en el centro del imán, enrollamos una pequeña “bobina de captación” (~ 10 vueltas) alrededor de la sonda. La idea es que si medimos la señal de voltaje [matemática] \ matemática {E} (t) [/ matemática] a través de la bobina de recolección a medida que pulsamos el campo magnético, podemos calcular con precisión el campo [matemática] B (t) [ / math] según la Ley de Faraday [math] NA \; dB / dt = – \ mathcal {E} [/ math], donde [math] N [/ math] es el número de vueltas en la bobina de recogida y [math] A [/ math] es el área de un solo turno. Simplemente integre el voltaje de arranque contra el tiempo y divídalo entre [matemáticas] NA [/ matemáticas].

Voltaje de arranque (rojo, unidades arbitrarias) y campo calculado (azul) para el pequeño imán pulsado. Este era un pulso bastante pequeño, el sistema podía obtener hasta 15 T.

Parece un resultado bastante poco emocionante, pero me sorprendió la primera vez que lo hice. No es del todo obvio que la integración de la señal roja resultaría en un pulso de campo de libro de texto.

Armónicos / Resonancia

El sensor que utilizamos para medir la profundidad de penetración de Londres se llama oscilador de diodo de túnel. [2] Es un circuito de tanque autónomo impulsado por un diodo de túnel. Si coloca una muestra superconductora en el inductor del circuito y cambia la temperatura o el campo externo, la profundidad de penetración cambiante de Londres cambia la inductancia, que afecta la frecuencia de resonancia según [math] \ omega = 1 / \ sqrt {LC} [ / matemáticas] (generalmente 30–1000MHz). Comencé a trabajar y construir estos circuitos antes de tener una introducción formal a la electrónica de RF. Tomé esta foto nerd de Instagram la primera vez que recibí un TDO para “sonar”:

FFT de la señal de un oscilador de diodo de túnel (algo sobrecargado), principio de pie, primer y segundo armónicos.

Notas al pie

[1] Ley de inducción de Faraday

[2] http://arxiv.org/pdf/1003.5233.pdf

¡Esta es una gran pregunta! Anticipo muchas respuestas geniales.


Leí sobre muchos procesos geológicos antes de verlos (o en algunos casos, notarlos) o sus efectos.

Conduciendo en el centro de Indiana, donde crecí: “Hmm … de mi lectura deduzco que la capa de hielo del Pleistoceno debe haberse detenido en algún lugar por aquí, pero me pregunto exactamente dónde … Mierda, es esa gran colina de allí donde he visto un ¡cien veces! ¡Nunca me di cuenta de que era una morena!

Más tarde, conduciendo por una esquina en la zona rural de Missouri: “¡Vaya, es una disconformidad angular! ¡Nunca había visto una antes, pero ese afloramiento de allí parece exactamente un diagrama de libro de texto!”

Encontrar un diente de reptil fósil del Triásico (~ 200 millones de años) cerca de mi casa en el noreste de Arizona: “¡Realmente puedo sentir el borde aserrado!”.


También me sorprendió lo contrario: noté algo en el campo y luego lo leí más tarde:

La primera vez que vi Grand Falls en el norte de Arizona (sí, una cascada natural en Arizona, y una muy grande) noté que el río giró bruscamente a la derecha al final de la caída. En el acantilado adyacente al giro vi lo que parecía el contorno de un cañón, pero lleno de depósitos de roca. “Hmm … ¿tal vez el río fluyó desde esa dirección al mismo tiempo?” Más tarde supe que el río estaba represado hace unos mil años por un flujo de lava que llenaba su cañón. El río formó un nuevo curso alrededor de la lava, y Grand Falls es donde cae nuevamente al cañón para continuar en su curso original. “¡Hey! ¡ Vi eso! ¡El río realmente cambió su curso!”


La mayoría de los procesos geológicos son tan lentos que parecen irreales, no solo porque su lentitud los hace “invisibles” sino también porque es muy difícil para nosotros comprender las escalas de tiempo increíblemente largas involucradas. Observar evidencia vívida e inequívoca de uno de estos procesos lentos en el trabajo es una experiencia asombrosa.

Bueno, al menos si te gusta ese tipo de cosas. :pag

Redescubrí el concepto de flotabilidad cuando estaba en la escuela secundaria.

Tenía una de esas reglas que contienen agua con cosas brillantes como estas:

Siempre hay algo de aire en estos ‘contenedores’ de agua. Un día, a medida que avanzaba la clase, lo sostenía en la mano, lo inclinaba y observaba cómo el brillo caía lentamente por el agua. Después de que se cayera, lo inclinaría hacia el otro lado y lo hacía varias veces. Luego, intenté recrear el mismo efecto sosteniendo la regla horizontalmente y acelerándola a ambos lados. Por supuesto, no es posible seguir acelerándolo durante más de un segundo ya que mis manos son tan largas como lo son. Pero, lo que noté más que el brillo fue la burbuja de aire y la dirección en la que se movía. Mientras aceleraba la regla hacia la derecha, vi que el agua que tenía más inercia intentó quedarse donde estaba, impulsando la burbuja en el dirección en la que estaba acelerando la regla . Es bastante simple de entender, pero ver que sucede justo en frente no es natural. Estamos acostumbrados a ver cosas que se retiran con la aceleración (por ejemplo, mientras estamos parados en un autobús que acelera hacia adelante).

Pensando más en el marco de referencia acelerado y reemplazando la burbuja de aire con algún objeto físico que es más ligero que el agua (en mi mente), vi cómo la dirección del vector de fuerza en este objeto variaba con el campo de gravedad cambiante en el agua compartimiento. Observé cómo esta fuerza actúa sobre este objeto menos denso siempre en la dirección opuesta a la fuerza gravitacional neta (la gravedad de la tierra + mi aceleración de la regla) dentro del compartimento. Y luego me di cuenta de que había tardado un poco en observar este efecto, cerca de 2000 años.

Luego planteé esta pregunta a muchos otros amigos en la escuela: tienes esta regla y la aceleras a tu derecha. ¿En qué dirección se mueve la burbuja en el marco de referencia de la regla? Ninguna de las 40 personas acertó.

La distribución de Poisson

Pasé un verano como estudiante universitario caracterizando la morfología de las nanoespumas de titanio en el Brookhaven National Lab. Resulta que cuando observa la microestructura de estas espumas, el titanio forma una red de ligamentos que se ve así:


La fila superior de muestras se expuso a una masa fundida de Mg durante 5, 10, 15 minutos. La fila inferior de muestras se grabó después durante 5, 10, 15 minutos. Esto desencadena algunos cambios sustanciales en la estructura. Hicimos un procesamiento de imágenes en datos 3D de las espumas, y descubrimos que la fracción de volumen de Titanio sigue una distribución Poissoniana, con una media ascendente correspondiente a un ancho creciente. Es material de libro de texto estándar, pero verlo en datos experimentales reales fue hermoso.


K. Chen-Wiegart, T. Wada, N. Butakov, X. Xiao, F. De Carlo, H. Kato, J. Wang, D. Dunand y E. Maire. “Evolución morfológica en 3D del titanio poroso mediante micro y nano tomografía de rayos X”. Revista de Investigación de Materiales, 2013.

Tiene que ser la distribución normal.

Básicamente significa que cualquier colección de muestra siempre seguirá esta distribución. Solo piense en esto, la altura de todas las personas en su clase, el peso, su coeficiente intelectual, su puntaje de prueba … CADA COSA MEDIBLE … seguirá esta curva …

Cuando leí sobre eso no estaba muy entusiasmado. Luego, de regreso a casa, comencé a pensar en ello mientras iba en bicicleta. Mi velocidad de ciclismo, el precio del ciclo, la vida del ciclo, la vida del automóvil que me adelantó, todo seguirá a la Distribución Normal.

Cualquier colección de cualquier cosa medible desde cualquier parte del universo seguirá esta distribución.

¡¿No es asombroso … !!! Después de darme cuenta de la magnitud de este concepto, enseguida me pregunté cómo debe haberse sentido el tipo (Gauss) cuando llegó a esto. Debe haber pensado que ha descifrado uno de los muchos misterios de este universo. Y eso es algo bastante rudo. Y eso es lo que es la ciencia.

Demonios, al día siguiente, cuando vi a una niña sentada en frente, ¡encontré que su peinado realmente se parecía a la BELL CURVE …! La foto a continuación es una imagen representativa del estilo de cabello de la curva de campana. !!

Y lo siento si mi respuesta está demasiado diluida para una pregunta seria.

Había un pequeño tema llamado ‘Microprocesadores y microcontroladores’ en nuestros libros de texto.

Llegué a saber que estos semáforos, ciertos motores, etc., todos se basan en el concepto de microprocesadores y microcontroladores. Nunca entendí lo real. ¿Cómo se procesa el tiempo, cómo aparecen los dígitos en ciertos patrones? No sabia nada.

Entonces, llegó el día que realmente estaba esperando. Teníamos laboratorios de microprocesadores. Estaba realmente fascinado porque todas mis dudas se iban a aclarar.

Nos proporcionaron un tipo de folleto, algunos equipos en los que aparecían algunos símbolos. Nuestro profesor de laboratorio nos pidió que usáramos el equipo de la forma en que estaba a punto de decirnos. Seguimos su consejo. Nos pidió que empezáramos a escribir algunos símbolos. Tan pronto como comenzamos a escribir en el equipo dado, finalmente se escribió:

COPA MUNDIAL DE FÚTBOL

Nos quedamos asombrados. Le preguntamos todo sobre eso. Nos contó sobre los comandos, cómo se hizo todo el tiempo. Luego, nos proporcionó un folleto explicando el proceso de los semáforos. De hecho, practiqué eso en el laboratorio durante semanas. Finalmente, vi y practiqué todo el proceso de los semáforos por mi cuenta. Esa fue una cosa hermosa que aprendí. También encendí un mini motor después de escribir en el equipo según las instrucciones.

Ahora, cada vez que me quedo atrapado en un atasco, miro esos semáforos y sonrío. Esto se debe a que ahora sé cómo funciona. Realmente es una sensación increíble.

La definición de derivada e integral me asombró. Comprendí la idea de que podría reducir el “recorrido” de la curva en incrementos cada vez más pequeños contra el aumento para aproximar la pendiente de una curva en un punto o el área debajo de una curva haciendo “cuadros” cada vez más pequeños, pero el truco eso te permitió llevar ese valor A CERO (o límite, a medida que se acerca a cero) me dejó alucinado. De repente tuve una licencia para DIVIDIR POR CERO. Bueno, en realidad no, pero así es como se sentía. La capacidad de determinar la pendiente instantánea de la curva y el área exacta debajo de una curva fue como magia para mí, y me enganchó en el cálculo.

Del mismo modo, no entendí completamente la propagación de errores y las distribuciones de chi-cuadrado hasta que hice un experimento de física para calcular la constante de Planck. A través del seguimiento riguroso de mi precisión de medición y ajuste de curva, pude clavar la constante correctamente con precisión a dos dígitos significativos. El profesor de laboratorio me pegó mal por mi falta de rigor en mi primer intento, y me sorprendió lo mucho mejor que fue mi resultado al ejercer el cuidado y la disciplina adecuados.

El concepto de ciencia de los libros de texto que más me entusiasmó fue leer
La base química de la morfogénesis
La base química de la morfogénesis es un artículo clásico escrito por Alan Turing en 1952 que describe las condiciones para que un sistema de reacción-difusión genere patrones naturales como rayas, manchas y espirales desde un estado homogéneo y uniforme.
Una gran cita del artículo de Turing “Este modelo será una simplificación y una idealización y, en consecuencia, una falsificación”. Los investigadores todavía están tratando de validar el modelo de Turing en un entorno biológico real, pero, sin embargo, abrió un campo de la biología matemática, tal fue el impacto de este documento.
La reacción de Belousov-Zhabotinsky (BZ) es una familia de reacciones químicas oscilantes y un ejemplo real de inestabilidad de Turing.

En general, me fascina la capacidad de las Matemáticas para dar una idea de los problemas biológicos reales.

Infrasonido, en el borde del océano, causado por el oleaje. Leer acerca de esto es una cosa, pero experimentar ser golpeado y desplazado por una vibración a escala planetaria cuando todo está perfectamente tranquilo es algo que no tiene base de comparación.

En mi clase de ciencias de los materiales, estudiamos cómo la temperatura puede afectar las propiedades de los materiales, especialmente los polímeros. Más tarde, colocamos una pelota de tenis en nitrógeno líquido y luego la dejamos caer tres tramos de escaleras. ¡La moda dramática con la que explotó debido a que la temperatura cayó por debajo del punto de transición vítrea fue bastante emocionante!