¿Puede un electrón revelar los secretos de una nueva física?

 

Lo que el espectro de un muón atrapado nos está gritando y no escuchamos

Mientras en Twitter (ahora X) se discute si deberíamos seguir gastando millones en Inteligencia Artificial cuando aún no entendemos cómo funciona el universo, un grupo de físicos decidió hacer justo lo contrario: mirar al interior de un átomo, a una partícula efímera, y observar lo que nos dice cuando desaparece. No hay trending topic para eso. Pero quizá debería.

Este trabajo se centra en el decaimiento de un muón atado a un núcleo. ¿Por qué es importante? Porque podría ser el mayor obstáculo experimental para detectar un proceso que cambiaría toda la física: la conversión directa de un muón en un electrón sin neutrinos, prohibida por el Modelo Estándar, pero predicha por varias teorías nuevas.

Para distinguir ese fenómeno extraordinario de los procesos comunes que lo imitan, se necesita una comprensión ultraprecisa del llamado “ruido de fondo”. Y ese ruido proviene de la desintegración normal del muón dentro del átomo: el bound-muon decay.

¿Qué hace este artículo?
Realiza el análisis más completo hasta ahora del espectro electrónico que deja esa desintegración común, incorporando:
el tamaño finito del núcleo, deformación del núcleo, apantallamiento electrónico, polarización del vacío (correcciones QED), retroceso del núcleo,efectos combinados en la energía y la forma de las funciones de onda.

Todo esto no es solo detalle técnico: cambia significativamente la forma del espectro justo en la región donde los experimentos buscarán una nueva física.

Filosofía cuántica en acción
Este tipo de trabajo es el que nunca aparece en las noticias, pero sin él no podríamos confiar en los experimentos que detectan neutrinos, materia oscura o nuevas interacciones.
También es profundamente filosófico: ¿una partícula es la misma cuando está libre que cuando está atada? ¿Cómo cambian sus propiedades al estar enredada en un sistema más complejo? ¿Qué nos dice eso sobre nosotros, sobre nuestras decisiones, sobre cómo cambiamos al pertenecer a un entorno?
Este estudio nos recuerda que hasta el electrón más silencioso tiene algo que decir, si lo escuchamos con suficiente precisión.

Aplicaciones prácticas
Mejora la predicción del fondo en experimentos como Mu2e, COMET y DeeMe
Aumenta la confiabilidad para detectar procesos de violación del sabor leptónico
Permite explorar más allá del Modelo Estándar

Sección técnica (para los curiosos con café en mano):

El decaimiento de un muón ligado se describe mediante el proceso:
mu⁻ → e⁻ + anti-nu_e + nu_mu

Pero al estar ligado al núcleo, la energía disponible y las funciones de onda involucradas requieren solución numérica de la ecuación de Dirac modificada con varios potenciales.

🔹 Corrección de retroceso nuclear (recoil):
Ee' = Ee - (Ee)^2 / (2 * M_N)
donde Ee es la energía del electrón, y M_N la masa del núcleo.

🔹 Potencial de polarización del vacío (efecto Uehling, versión simplificada):
V_VP(r) = - (2 * α * Z) / (3 * π * r) * ∫₁^∞ dt * e^(−2 * m_e * r * t) * (1 + 1 / (2 * t²)) * sqrt(t² − 1) / t²
Aquí:
α es la constante de estructura fina (~1/137),
Z es el número atómico,
r es la distancia radial,
m_e es la masa del electrón.

🔹 Corrección espectral relativa por efecto atómico o cuántico:
delta(Ee) = [N_corr(Ee) − N(Ee)] / N(Ee)
donde:
N(Ee) es el espectro original,
N_corr(Ee) es el espectro corregido tras aplicar la modificación.

🔹 Corrección a la energía por cambio en la ligadura del muón:
delta_corr_energ(Ee) = [ (E_mu + delta_E_mu - Ee) / (E_mu - Ee) ]^5 - 1
🔹 Parámetros importantes del espectro:
E_mu = energía total del muón ligado (incluye masa)
Ee = energía del electrón emitido
k = momento de transferencia
jl(kr) = funciones de Bessel esféricas (aparecen al expandir en ondas esféricas)

Conclusión:
Este artículo es un ejemplo de por qué la ciencia básica es crucial. Nadie va a salir corriendo a vender NFTs de muones, ni los algoritmos de TikTok se van a basar en esto. Pero si algún día confirmamos una nueva interacción, una nueva simetría, o incluso la existencia de partículas aún desconocidas, será gracias a estudios como este.
Y mientras tanto, seguimos midiendo los suspiros del universo.

Referencias clave:
M. Y. Kaygorodov et al. (2025). Study of atomic effects on electron spectrum in bound-muon decay process, arXiv:2506.02416v1
COMET experiment: https://comet.kek.jp
Mu2e experiment: https://mu2e.fnal.gov

Para saber más visita:https://linktr.ee/PepeAlexJasa

#FísicaCuántica #ModeloEstándar #Muones #Electrones #CienciaYFilosofía #DivulgaciónCientífica #ciencia #fisica #IA #Neutrinos #Decaimiento #MuonToElectron #BoundMuonDecay #DIO #arXiv2506 #COMET #Mu2e #FísicaDePartículas #Simetría #IAvsCiencia #FísicaFundamental

¿Puede la IA aprender física antes que tú?

Del rugido de un motor al eco de un sismo: cuando el algoritmo aprende más rápido que los humanos

En días recientes, la Fórmula 1 fue sacudida por una controversia. Red Bull, famosa por su dominio, ha comenzado a usar simulaciones predictivas de carrera alimentadas por IA, capaces de anticipar condiciones de pista, errores humanos y estrategia de neumáticos mejor que sus propios ingenieros. Algunos fanáticos aplauden; otros gritan “¡trampa!”. Pero… ¿y si esto no es el fin del deporte, sino el inicio de una nueva era?

Algo similar ocurre en la geofísica, donde simular cómo viajan las ondas sísmicas en el subsuelo es crucial para detectar petróleo, prevenir terremotos o incluso diseñar infraestructuras más seguras. El problema: estas simulaciones son lentas y caras. Tradicionalmente se usan métodos numéricos como elementos finitos o diferencias finitas, pero ahora aparece un nuevo competidor: DiffPINN.

Este preprint revolucionario presenta una forma de entrenar redes neuronales que no solo respetan las leyes físicas (como lo hacen las PINNs o Physics-Informed Neural Networks), sino que además aprenden más rápido usando un truco tomado del mundo de la imagen y la IA generativa: los modelos de difusión.

¿Qué es eso? Imagina que para enseñarle a una IA cómo se propagan las ondas sísmicas, tuvieras que correr 100 simulaciones distintas, cada una más compleja que la anterior. Con DiffPINN, haces eso una vez, aprendes las “esencias” o patrones generales que rigen esas simulaciones, y luego generas nuevas simulaciones “imaginadas” pero válidas… sin repetir todo el proceso. Es como si después de ver suficientes carreras, una IA pudiera anticipar cómo manejaría Verstappen una curva en Canadá… antes de que él mismo lo supiera.

¿Y esto es magia o física?
Lo que se hace aquí no es simple aprendizaje. Es meta-aprendizaje físico guiado. La red aprende una representación comprimida (latente) de soluciones anteriores, la generaliza a nuevos contextos sísmicos, y genera un “punto de partida ideal” para simular con mucha mayor precisión. Como si Red Bull ya supiera el mejor setup antes de la carrera. Como si un arquitecto supiera qué material usar en un suelo antes de hacer pruebas.

¿Qué implica esto para la ciencia?
Esto no es solo velocidad. Es precisión, ahorro energético, y adaptabilidad. En lugares donde cada segundo importa —como una alerta sísmica o la detección de petróleo— esto puede salvar recursos y vidas. En la ciencia del clima o la exploración planetaria, estas técnicas podrían hacer simulaciones viables en tiempo real. Y, sí, también sirven para democratizar la ciencia: puedes entrenar una de estas redes sin tener un supercomputador si ya tienes una buena base.

Sección técnica para quienes no se conforman con palabras bonitas
La red busca resolver una versión perturbada de la ecuación de Helmholtz en el dominio de frecuencia:
ω² · m(x) · δu(x, xs, ω) + ∇² · δu(x, xs, ω) = –ω² · δm(x) · u₀(x, xs, ω)
Donde:
δu(x, xs, ω) es el campo de onda dispersado

m(x) = 1 / v² representa la lentitud del medio (inversa del cuadrado de la velocidad)

u₀(x, xs, ω) es el campo de fondo, es decir, la solución conocida en un medio homogéneo.

Luego, cada red PINN se entrena para aproximar soluciones a la ecuación bajo distintos modelos de velocidad.
Estas soluciones se transforman en vectores y se reducen a un espacio latente mediante un autoencoder, de la siguiente forma:
z = E(θ)
θ̂ = D(z)
Donde:
E(θ) es el codificador (encoder) que convierte los parámetros en un vector latente z

D(z) es el decodificador (decoder) que reconstruye los parámetros a partir del vector z

Después, un modelo de difusión entrenado sobre estos vectores latentes genera nuevos vectores z′, que representan casos nuevos (nuevos modelos de velocidad).
Este nuevo vector z′ se decodifica y se usa como punto de partida ideal para entrenar una nueva PINN, lo que permite mayor precisión con mucho menor tiempo de entrenamiento.

Conclusión
Así como la Fórmula 1 enfrenta el dilema entre purismo y tecnología, la ciencia está cruzando un umbral: la IA ya no solo aprende de datos, sino de física misma. Y lo hace más rápido que nosotros. Lo importante no es competir contra ella, sino saber entrenarla, guiarla… y dejar que nos enseñe cómo pensar mejor.

Referencias
DiffPINN: arXiv:2506.00471v1 https://arxiv.org/pdf/2506.00471v1

Red Bull AI controversy: The Race, June 2025

Raissi et al. (2019). Physics-informed neural networks

Song & Alkhalifah (2021). PINNs for wavefield reconstruction

Wang et al. (2024). Neural Network Diffusion

#IAenCiencia #DiffPINN #F1yTecnología #SimulaciónSísmica #PINNs #RedesNeuronales #DeepLearning #FilosofíaDeLaCiencia #CienciaEnRedes #DivulgaciónCrítica
¿Quieres saber más? https://linktr.ee/PepeAlexJasa

¿Puede una curva matar la gloria?

Lo que la geometría de Einstein nos enseña sobre la polémica en la Fórmula 1

Monaco: glamour, precisión, historia… y una polémica que arde.

Durante el Gran Premio reciente, los fans se dividieron. ¿Merecía la victoria un piloto que “no rebasó”? ¿Un circuito tan estrecho y rígido todavía tiene sentido en la era moderna? ¿Sigue siendo “auténtico” o se ha convertido en una pieza de museo?
Lo interesante es que este dilema —lo que se puede cambiar sin perder la esencia— no es solo de la F1.

También es el corazón del preprint que analizamos hoy: “Comparison of total σₖ-curvature”.
¿Qué es eso de la “curvatura total σₖ”?
Este artículo de geometría diferencial compara diferentes métricas —formas de medir distancias y ángulos— en espacios parecidos a esferas o espacios hiperbólicos.

En términos simples:
📐 Imagina que tienes una esfera perfecta (como una pista ideal).
🔧 Ahora la deformas un poco: le agregas rugosidades, la estiras aquí, la achatas allá.
❓ Pregunta clave: ¿cuánto puedes deformarla antes de que sus propiedades globales cambien demasiado?

El artículo estudia eso mismo, pero con curvaturas σₖ, que son medidas matemáticas que generalizan la curvatura escalar. Y lo hace con un resultado elegante: ciertas deformaciones no pueden superar las métricas ideales en su “curvatura total”, salvo que sean exactamente iguales.

¿Qué tiene que ver con la F1?
Mucho.
Mónaco es como una métrica de Einstein: histórica, estable, simétrica, casi sagrada.

Pero las carreras modernas exigen deformaciones: más rebases, más espectáculo, más seguridad.

Y los puristas se preguntan: ¿cuánto puedes cambiar una pista antes de que deje de ser “auténtica”?

En el automovilismo, como en la geometría, buscar lo óptimo no siempre implica moverse hacia adelante.
A veces, el mejor resultado es el que ya tienes.

El artículo se inspira en la tradición de las métricas de Einstein, que son soluciones simétricas, elegantes y estables a ciertas ecuaciones de curvatura. Estas métricas, usadas en relatividad general, describen cómo se curva el espacio-tiempo y representan configuraciones "ideales" en muchos sentidos: no solo son bellas matemáticamente, sino físicamente significativas.

Lo que el preprint plantea es que incluso cuando deformamos una estructura, hay valores máximos que no se pueden superar, a menos que la deformación vuelva al punto de partida.
Del mismo modo, los fanáticos del Gran Premio de Mónaco podrían preguntarse si alterar demasiado una pista como esa la alejaría de su “forma canónica”.

Entonces, ¿queremos más rebases o más mística?
¿Más espectáculo o más legado?
¿Queremos métricas deformadas que se “sientan modernas”… aunque no superen en belleza a las métricas ideales?

Sección técnica para los curiosos
El preprint demuestra que para métricas g que son conformes a la métrica estándar sobre la esfera Sⁿ, se cumple la siguiente desigualdad:
∫M σ_k(g) · dv_g ≤ ∫M σ_k(g₀) · dv_g₀
Donde:
σ_k(g) es la curvatura simétrica de orden k del tensor de Schouten,
g₀ es la métrica canónica o métrica "ideal" de la esfera,

Y la desigualdad se convierte en igualdad solo si g = g₀, es decir, si la métrica deformada es exactamente la estándar.

Esto tiene implicaciones profundas: hay un límite superior geométrico. Ninguna deformación admisible (dentro de la clase de métricas positivas) puede superar al ideal.
Reflexión filosófica: ¿es deformar perder identidad?
En el automovilismo, como en la geometría, buscar lo óptimo no siempre implica moverse hacia adelante.

A veces, el mejor resultado es el que ya tienes.
Y ese es el corazón del debate:
¿Queremos más rebases o más mística?
¿Más espectáculo o más legado?
¿Queremos métricas deformadas que se “sientan modernas”… aunque no superen en belleza a las métricas ideales?

Conclusión
La ciencia y el deporte a veces se cruzan en preguntas similares:
¿Qué es lo que hace auténtico a un sistema?
¿Se puede mejorar sin traicionar la estructura?
¿Hay límites naturales a la transformación?

En la geometría, esas preguntas se responden con ecuaciones.
En la F1, con vueltas, debates y banderas a cuadros.
Pero en ambos casos, la respuesta es la misma:
💡 no todo lo que se puede cambiar, conviene cambiarlo.

Referencias
Comparison of total σₖ-curvature, arXiv:2505.23440v1 https://arxiv.org/pdf/2505.23440
S. Brendle & others, curvature in conformal geometry
Carrera de Mónaco, F1 2025 – Análisis de pilotos y polémica
Riemann, B. (1854). Über die Hypothesen...

Otros contenidos parecidos en mis demás redes: https://linktr.ee/PepeAlexJasa
#Fórmula1 #F1 #Geometría #CurvasYControversia #MónacoVsModernida #CienciaPopular #PreprintsParaPensar #Cultura #Matemáticas #Divulgación #CurvasQueNoRebasas #EinsteinYLaF1 #Ciencia

¿Pensar es perder la pasión?

Del freestyle/Rap a la lógica filosófica y científica: por qué el fanatismo nos impide entender el mundo según la lógica matemática.

¿Sabías que la ciencia tiene una disciplina que nos ayuda a pensar de manera más crítica? Se llama lógica matemática y filosofía del lenguaje crítica. Y para muestra usaremos un ejemplo de la cultura actual. El tercer round de la batalla escrita de Rap del año en liga bazooka.

En Argentina, en la liga Bazooka, Aczino lo volvió a hacer: frente a un público volcado emocionalmente hacia su rival, sacó una barra maestra detrás de otra, imponiendo lógica argumentativa.
Sin alzar la voz, sin aspavientos. Solo técnica, argumento, historia.
Y aunque no lo ovacionaron como merecía, dejó claro —otra vez— por qué es el G.O.A.T.

Chilli estaba encendido tirando rimas muy personales. El público rugía. Pero Mau, como en tantas otras batallas, nos recordó que el verdadero rap no siempre gana por euforia sino con argumentos.
Gana por contenido, y delivery aunque este contenido dolió.
Y ahí, como en tantas otras arenas del pensamiento humano, el fanatismo mostró su cara.
Aczino, había venido sufriendo en sus batallas escritas ataques totalmente personales que nada tenían que ver con la elegancia de la lírica o la contundencia de las “barras”, sino más con el chisme inventado acerca de sus supuestas malas actitudes morales. Y entonces en medio de su intervención, lanzó una rima dirigida directamente al legado de Maradona.
La frase que desató la indignación fue contundente:“ ¿Tú crees que la vida personal y profesional se relacionan? ¿y eres el mayor admirador de Maradona?¿Qué admirabas más: ¿su pedofilia, su apoyo a Fidel Castro o su adicción a la droga? ¿Qué apoyabas más?”, disparó el mexicano, generando una inmediata reacción de rechazo por parte del público.
Los abucheos no se hicieron esperar. Miles de asistentes comenzaron a gritar insultos y a corear el nombre de Maradona como forma de defensa al astro fallecido. Mientras el público estaba coreando su porra futbolística aczino alzó la voz contra las diez mil personas y entonar sobre su porra: “pedófilo, drogadicto…”.

La figura de Diego Maradona es considerada intocable por gran parte de la sociedad argentina, no sólo por su talento futbolístico sino por su simbología política, popular y cultural. Por eso, el ataque directo a su persona por parte de un artista extranjero generó reacciones divididas incluso en redes sociales, donde algunos defendieron la libertad artística de Aczino mientras otros exigieron una disculpa pública, pero Aczino llevaba un argumento de por medio, al GOAT del fútbol no le juzgan por su vida personal, pero al GOAT del freestyle Aczino, no dudan en inventar chismorreos en su contra y considerarlos barras elevadas de rap. Hasta donde podemos notar el argumento era fuerte.

¿Qué dice la ciencia del fanatismo?

El preprint “Critical Thinking and Fanaticism” no habla de freestyle, pero desarma los mismos mecanismos que vimos en esa batalla.
Sostiene que el fanatismo es una desconexión voluntaria del juicio crítico, una forma de pensar donde:

El “nosotros” vale más que el argumento
El carisma aplasta al razonamiento
Y el desacuerdo se ve como traición

Aczino fue abucheado en ese round… pero ganó un lugar en la historia como ejemplo vivo del pensamiento crítico en escena.
Definiendo fanatismo (con rigor)
Este artículo de filosofía contemporánea identifica el fanatismo como:

Una adhesión emocional ciega a una idea, grupo o símbolo
Un sistema de creencias resistente a la refutación
Un entorno epistémico cerrado, donde lo contrario se interpreta como ataque.
Y lo más importante: el fanático no se siente fanático.
Se siente fiel. Justo. Comprometido.
Por eso es tan peligroso.

El pensamiento crítico como resistencia

El autor del preprint propone que el pensamiento crítico se basa en tres hábitos:

Evaluar ideas sin depender de su origen
Reconocer los propios sesgos antes de señalar los ajenos
Estar dispuesto a cambiar de opinión si la evidencia lo exige

En modelos lógicos, esto se formula con operadores de revisión de creencias (belief revision operators) y redes semánticas que permiten actualizar nodos sin colapsar todo el sistema cognitivo.

Sección técnica: un modelo cognitivo formal

Supongamos un agente racional A con un conjunto de creencias B.
A se enfrenta a nueva información I, que contradice parte de B.
El agente crítico aplica:
B′ = (B ⊕ I) − C
Donde C es el conjunto mínimo de creencias incompatibles con I.
Un agente fanático, en cambio, simplemente restringe el input:
I′ = I ∩ {x ∈ D | x ≡ S}
Donde D es el dominio percibido y S es la “similitud ideológica”.
El resultado: una cámara de eco epistémica, incapaz de actualizarse.

¿Por qué importa esto hoy?

Porque vivimos en tiempos donde los gritos compiten con las ideas, y donde lo popular muchas veces se impone a lo verdadero.
Desde las elecciones hasta los algoritmos, el fanatismo opera como un virus emocional.
Nos hace aplaudir sin pensar, rechazar sin entender, seguir sin preguntar.

Y eso —como lo vio Aczino en el escenario, y este artículo en la filosofía— es un camino directo a la distorsión colectiva.

Aplicaciones reales
En política: polarización y culto a la personalidad
En ciencia: negacionismo climático, terraplanismo, pseudoterapias
En arte: defensa irracional de obras sin análisis
En redes: "cancelación" sin matices ni contexto

Conclusión
El pensamiento crítico no es solo una herramienta académica.
Es una forma de cuidar nuestra libertad interna.
Es el arte de no dejarse llevar, incluso cuando el estadio entero grita lo contrario.

Y como dijo Aczino, cuando no te aplauden por pensar… piensa más fuerte.

Referencias clave
Critical Thinking and Fanaticism, arXiv:2505.21407v1 https://arxiv.org/pdf/2505.21407
Aczino vs. Chilli Parker, FMS Internacional
Adorno, T. (1950). The Authoritarian Personality
Kahneman, D. (2011). Thinking, Fast and Slow
Popper, K. (1945). The Open Society and Its Enemies
Otros contenidos parecidos en mis redes: https://linktr.ee/PepeAlexJasa

#PensarEsResistir #FilosofíaYFreestyle #FanatismoCultural #PreprintsQueImportan #DivulgaciónCrítica #CríticaSinMiedo #NoTodoEsGrito #AczinoG.O.A.T #CulturaYPensamiento #Ciencia

¿Y si el entrelazamiento cuántico no fuera magia, sino geometría invisible?

Una defensa radical del tiempo múltiple y la física que se esconde en dimensiones que no vemos

Einstein odiaba la no-localidad. Bell la acotó. Y la física cuántica la normalizó.
Pero, ¿y si todo este tiempo estuvimos viendo mal el mapa del espacio-tiempo?

Este artículo propone una idea tan elegante como desafiante: la “acción fantasmal a distancia” del entrelazamiento cuántico —ese famoso efecto EPR que viola las desigualdades de Bell— no es no-localidad verdadera, sino una ilusión provocada por ignorar dos dimensiones extra de tiempo.
Sí: vivimos en un universo con tres tiempos y tres espacios. Solo que no lo sabíamos… hasta ahora.

El argumento clave

La propuesta parte del grupo de simetría E8⊗E8 y la geometría de quaterniones, con una estructura 6D donde el espacio-tiempo tiene firma (3,3): tres dimensiones espaciales y tres temporales.
En este marco:

Los sistemas cuánticos exploran las seis dimensiones.

Los sistemas clásicos (como los detectores de Alice y Bob) solo viven en 4D.

Los eventos que parecen no-locales en 4D pueden ser perfectamente locales en 6D.

Y con eso… el famoso “misterio cuántico” desaparece sin violar la relatividad especial.

¿Cómo se explica el EPR en este modelo?

La pareja entrelazada viaja por las 6D.

Al colapsar la función de onda (digamos, por Alice), el cambio se propaga localmente a través del subespacio M′₄.

En nuestro subespacio 4D (M₄), esa propagación parece instantánea porque la dimensión extra de tiempo acorta el trayecto.

En realidad, el colapso tiene un tiempo finito: del orden de 10⁻²⁶ segundos.

El efecto: lo que parece violar la causalidad en 4D es perfectamente causal en 6D.
No hay “acción a distancia”. Solo hay dimensiones que aún no vemos.

La ecuación que lo respalda

La métrica en 6D es:

ds² = dt₁² + dt₂² + dt₃² − dx₁² − dx₂² − dx₃²

Y la ecuación de Dirac se extiende como:

(iΓ^μ ∂_μ − Q)ψ = 0

donde los Γ^μ se expanden a 6 dimensiones usando representaciones de Clifford y quaterniones.
El espinor 8D ψ se descompone en dos componentes:

ψ₆D = ψ_M₄ + ψ_M′₄

Cada uno vive en su subespacio 4D (nuestro universo, y el "otro").
Y la mezcla entre ambos es la clave de los efectos cuánticos observables.

—

La novedad física: el espín en 6D

En esta teoría, el espín tiene una parte espacial y otra temporal.

Σ_i → matrices de espín espacial

Σ̃_i → matrices de espín temporal

Ambas emergen del límite no relativista de la ecuación de Dirac en 6D, usando una construcción con quaterniones, y dan lugar a dos ecuaciones de Pauli distintas.
Esto podría explicar nuevos efectos en colisionadores y dar pistas sobre una interacción débil reimaginada como geometría.

¿Y el límite de Tsirelson? ¿La física cuántica sigue ganando?

Aquí llega el golpe fuerte: en 6D, el límite de Tsirelson puede ser superado.
El preprint demuestra que las correlaciones en la desigualdad de CHSH pueden exceder el valor √2 × 2 = 2.828, llegando incluso a los 4 del límite de Popescu-Rohrlich.

¿Por qué?
Porque las funciones de onda viven en un Hilbert H⊕H′, y los operadores que conectan ambas partes permiten interferencias cruzadas que no se anulan.

La ecuación del correlador es:

F² ≤ 8 + r² + 4√2 r

Donde r = términos de interferencia entre ψ₁ y ψ₂.
Cuando r ≠ 0, el límite clásico se rompe. Cuando r ≈ 4 − 2√2, se alcanza el máximo PR.

Este resultado sugiere que la mecánica cuántica es solo una aproximación emergente de una teoría aún más general.

Implicaciones explosivas

El tiempo no es uno. Es tres.

La no-localidad cuántica puede ser geometría mal interpretada.

Podrían existir "fotones oscuros" que transmiten colapsos a velocidades efectivas mayores que c.

La identidad personal, el espín y la causalidad podrían estar codificados en una estructura que apenas empezamos a intuir.

Y lo mejor: todo esto es falsificable. Con instrumentos lo bastante sensibles al rango de la interacción débil, podríamos ver señales de estas dimensiones ocultas.

Reflexión

Este artículo no solo propone una corrección técnica.
Nos empuja a reconocer que tal vez el universo es más amplio que nuestras intuiciones.
Y que el lenguaje de la física no solo describe lo visible, sino que sugiere lo imaginable.

Si tres tiempos suenan absurdos, recuerda: hubo un siglo en el que dos espacios eran herejía.

Conclusión

El entrelazamiento cuántico siempre fue el mensaje de que algo más profundo late debajo de nuestra visión 4D.

Este trabajo sugiere que ese “algo más” podría ser otra geometría, otra firma del tiempo, otra mirada sobre la unidad del universo.

Quizá nunca hubo una paradoja. Solo nos faltaban dos relojes más.

Referencias clave

Furquan, M., Singh, T.P., Wesley, P.S. (2025). Time-like Extra Dimensions: Quantum Nonlocality, Spin, and Tsirelson Bound. arXiv:2505.18797v1
https://arxiv.org/pdf/2505.18797
Tsirelson, B. (1980). Quantum generalization of Bell’s inequalities
Popescu, S., Rohrlich, D. (1995). Nonlocality as an axiom for quantum theory
Maldacena, J., Susskind, L. (2013). Cool horizons for entangled black holes
Pettini, M. (2025). Quantum Entanglement without Nonlocal Causation in (3,2)-Spacetime

Más contenido como este aquí: https://linktr.ee/PepeAlexJasa

#EntrelazamientoCuántico #TiempoMúltiple #Física6D #SpinYGeometría #NoLocalidad #PreprintsQueImportan
#DiracExtendido #TsirelsonBound #FilosofíaDeLaFísica #DivulgaciónRadical

¿Y si una fórmula elegante pudiera rediseñar la enseñanza y la ingeniería?

El regreso triunfal de las integrales elípticas a la física práctica

Las integrales elípticas son el tipo de funciones que los físicos aprenden a temer y los ingenieros a evitar. Bellas, profundas, pero… irritantemente incómodas.

No tienen forma cerrada, no caben en una pizarra, y sus valores deben calcularse con software o tablas. Hasta ahora.

Este preprint presenta algo inesperado en pleno siglo XXI: una nueva y simple aproximación analítica a las integrales elípticas completas K(k) y E(k), que logra un equilibrio brillante entre precisión y elegancia. Y no solo eso: también presenta su fórmula inversa, algo tan raro que ni siquiera Mathematica la ofrece de serie.

¿Te suena abstracto? Sigue leyendo. Esto afecta desde péndulos y órbitas hasta turbinas y cerebros artificiales.

¿Qué son las integrales elípticas y por qué importan?

Las integrales completas de primer y segundo tipo son:

K(k) = ∫₀^{π/2} dθ / √(1 − k² sin²θ)

E(k) = ∫₀^{π/2} √(1 − k² sin²θ) dθ

Donde k es el “módulo” (con 0 ≤ k ≤ 1).

Estas funciones aparecen en:

* El cálculo del período de un péndulo no lineal

* La circunferencia de una elipse

* El modelado de órbitas planetarias y satelitales

* El diseño de engranes elípticos, turbinas y arquitecturas curvas

* Y recientemente, en redes neuronales físicas y sistemas de energía cinética

Son, literalmente, el pegamento invisible de muchos sistemas dinámicos reales.

¿Qué propone este artículo?

Una aproximación analítica de K(k) y E(k) tan simple que puede escribirse sin dolor de cabeza:

Para K(k):

K(k) ≈ (1/n) · ln\[(4 / √(1 − k²))ⁿ + b]

con n = (ln 4 − ln π) / (π/2 − ln 4)

y b = e^{nπ/2} − 4ⁿ

Y su inversa:

k(K) ≈ √{1 − \[4 / (e^{nK} − b)]²}

Para E(k):

E(k) ≈ 1 + \[(1 − k²)/(2n)] · ln\[(4/√e / √(1 − k²))ⁿ + b]

con n = ln(3π/2 − 4) / (ln 4 − π + 3/2)

Estos resultados no solo respetan los límites conocidos (k → 0 y k → 1), sino que logran un error promedio de apenas 0.06% (K) y 0.01% (E).

Un error menor a 1 en mil, suficiente para aplicaciones prácticas y enseñanza avanzada.

¿Y por qué importa tener una forma “analítica”?

Porque incluso en la era digital, la simplicidad importa.

Una fórmula sencilla:

* Se puede analizar sin computadora

* Permite derivaciones más transparentes

* Se integra mejor en marcos teóricos

* Se puede usar en clases sin software pesado

Y sobre todo: invita a explorar en lugar de temer.

Sección técnica: el péndulo no lineal y el nuevo modelo

El artículo aplica estas fórmulas a un péndulo físico:

Para un péndulo de longitud L bajo gravedad g, y amplitud angular θ\_max, su período exacto es:

T = 4√(L/g) · K(k), con k = sin(θ\_max/2)

Y en movimiento giratorio:

T = √(L/g) · (2/k) · K(1/k)

Con el nuevo K(k), se pueden modelar estos sistemas sin recurrir a funciones especiales (como Jacobi) ni cálculos numéricos.

Esto se combina con las soluciones de Chiang Khruea (CKS), que permiten obtener trayectorias exactas del péndulo no lineal en forma de series armónicas.

Esto abre la puerta a una visualización más clara de sistemas oscilatorios, incluyendo:

* Movimientos oscilatorios (bucle cerrado)

* Movimiento crítico (fase “ojo”)

* Movimiento rotacional (órbitas abiertas)

Aplicaciones directas

* Ingeniería mecánica: engranes no circulares, robots flexibles

* Arquitectura:estructuras curvilíneas optimizadas

* Energía renovable: turbinas elípticas más eficientes

* Física educativa: introducir péndulos no lineales con funciones simples

* Análisis orbital: cálculo rápido de trayectorias elípticas

* IA física: entrenar redes neuronales con modelos analíticos continuos

Ejemplo real: usando la fórmula E(k), el error al calcular la órbita de la Tierra es de apenas 7.4 cm sobre más de 939,000 km.

Eso es más preciso que muchos GPS domésticos.

A veces, los avances más valiosos no son los más llamativos. No abren portales cuánticos ni descubren galaxias ocultas. Pero hacen que una generación entera de estudiantes pueda entender sin depender.

Este artículo recuerda que la belleza de la física también está en lo que simplifica sin trivializar.

Una fórmula bien hecha puede ser un puente entre teoría y aplicación, entre lo abstracto y lo útil.

Y eso, en un mundo que confunde complejidad con profundidad, es una forma de resistencia elegante.

Conclusión

En tiempos de sobrecarga digital y complejidad innecesaria, volver a lo analítico, sin sacrificar precisión, es casi un acto revolucionario.

Este trabajo no solo mejora fórmulas: democratiza el acceso a un conocimiento profundo.

Y por eso, es una pequeña joya de la física aplicada y de la pedagogía del futuro.

Referencias clave

Chachiyo, T. (2025). *Simple and accurate complete elliptic integrals for the full range of modulus*, arXiv:2505.17159v1

Abramowitz & Stegun (1965), Boyd (2015), Chiang Khruea (2025), NIST DLMF (2025)

https://arxiv.org/pdf/2505.17159

Para ver más contenido como este da click aquí: https://linktr.ee/PepeAlexJasa

#IntegralesElípticas #FísicaAplicada #PénduloNoLineal #FórmulasAnalíticas #EducaciónEnCiencia #PreprintsQueImportan #Chachiyo2025 #IngenieríaMatemática #DivulgaciónCientífica #SimplicidadConPrecisión