Logo ADSLZone
Navega gratis con cookies…

Navegar por adslzone.net con publicidad personalizada, seguimiento y cookies de forma gratuita. i

Para ello, nosotros y nuestros socios i necesitamos tu consentimiento i para el tratamiento de datos personales i para los siguientes fines:

Las cookies, los identificadores de dispositivos o los identificadores online de similares características (p. ej., los identificadores basados en inicio de sesión, los identificadores asignados aleatoriamente, los identificadores basados en la red), junto con otra información (p. ej., la información y el tipo del navegador, el idioma, el tamaño de la pantalla, las tecnologías compatibles, etc.), pueden almacenarse o leerse en tu dispositivo a fin de reconocerlo siempre que se conecte a una aplicación o a una página web para una o varias de los finalidades que se recogen en el presente texto.

La mayoría de las finalidades que se explican en este texto dependen del almacenamiento o del acceso a la información de tu dispositivo cuando utilizas una aplicación o visitas una página web. Por ejemplo, es posible que un proveedor o un editor/medio de comunicación necesiten almacenar una cookie en tu dispositivo la primera vez que visite una página web a fin de poder reconocer tu dispositivo las próximas veces que vuelva a visitarla (accediendo a esta cookie cada vez que lo haga).

La publicidad y el contenido pueden personalizarse basándose en tu perfil. Tu actividad en este servicio puede utilizarse para crear o mejorar un perfil sobre tu persona para recibir publicidad o contenido personalizados. El rendimiento de la publicidad y del contenido puede medirse. Los informes pueden generarse en función de tu actividad y la de otros usuarios. Tu actividad en este servicio puede ayudar a desarrollar y mejorar productos y servicios.

La publicidad que se presenta en este servicio puede basarse en datos limitados, tales como la página web o la aplicación que esté utilizando, tu ubicación no precisa, el tipo de dispositivo o el contenido con el que está interactuando (o con el que ha interactuado) (por ejemplo, para limitar el número de veces que se presenta un anuncio concreto).

  • Un fabricante de automóviles quiere promocionar sus vehículos eléctricos a los usuarios respetuosos con el medioambiente que viven en la ciudad fuera del horario laboral. La publicidad se presenta en una página con contenido relacionado (como un artículo sobre medidas contra el cambio climático) después de las 18:30 h a los usuarios cuya ubicación no precisa sugiera que se encuentran en una zona urbana.
  • Un importante fabricante de acuarelas quiere realizar una campaña publicitaria en Internet para dar a conocer su última gama de acuarelas con la finalidad de llegar tanto a artistas aficionados como a profesionales y, a su vez, se evite mostrar el anuncio junto a otro contenido no relacionado (por ejemplo, artículos sobre cómo pintar una casa). Se detectará y limitará el número de veces que se ha presentado el anuncio a fin de no mostrarlo demasiadas veces.

La información sobre tu actividad en este servicio (por ejemplo, los formularios que rellenes, el contenido que estás consumiendo) puede almacenarse y combinarse con otra información que se tenga sobre tu persona o sobre usuarios similares(por ejemplo, información sobre tu actividad previa en este servicio y en otras páginas web o aplicaciones). Posteriormente, esto se utilizará para crear o mejorar un perfil sobre tu persona (que podría incluir posibles intereses y aspectos personales). Tu perfil puede utilizarse (también en un momento posterior) para mostrarte publicidad que pueda parecerte más relevante en función de tus posibles intereses, ya sea por parte nuestra o de terceros.

  • En una plataforma de redes sociales has leído varios artículos sobre cómo construir una casa en un árbol Esta información podría añadirse a un perfil determinado para indicar tuinterés en el contenido relacionado con la naturaleza, así como en los tutoriales de bricolaje (con el objetivo de permitir la personalización del contenido, de modo que en el futuro, por ejemplo, se te muestren más publicaciones de blogs y artículos sobre casas en árboles y cabañas de madera).
  • Has visualizado tres vídeos sobre la exploración espacial en diferentes aplicaciones de televisión. Una plataforma de noticias sin relación con las anteriores y con la que no has tenido contacto en el pasado crea un perfil basado en esa conducta de visualización marcando la exploración del espacio como un tema de tu posible interés para para otros vídeos.

El contenido que se te presenta en este servicio puede basarse en un perfilde personalización de contenido que se haya realizado previamente sobre tu persona, lo que puede reflejar tu actividad en este u otros servicios (por ejemplo, los formularios con los que interactúas o el contenido que visualizas), tus posibles intereses y aspectos personales. Un ejemplo de lo anterior sería la adaptación del orden en el que se te presenta el contenido, para que así te resulte más sencillo encontrar el contenido (no publicitario) que coincida con tus intereses.

  • Has leído unos artículos sobre comida vegetariana en una plataforma de redes sociales. Posteriormente has usado una aplicación de cocina de una empresa sin relación con la anterior plataforma. El perfil que se ha creado sobre tu persona en la plataforma de redes sociales se utilizará para mostrarte recetas vegetarianas en la pantalla de bienvenida de la aplicación de cocina.
  • Has visualizado tres vídeos sobre remo en páginas web diferentes. Una plataforma de video, no relacionada con la página web en la que has visualizado los vídeos sobre remo, pero basandose en el perfil creado cuando visistaste dicha web, podrá recomendarte otros 5 vídeos sobre remo cuando utilices la plataforma de video a través de tu televisor .

La información sobre qué publicidad se te presenta y sobre la forma en que interactúas con ella puede utilizarse para determinar lo bien que ha funcionado un anuncio en tu caso o en el de otros usuarios y si se han alcanzado los objetivos publicitarios. Por ejemplo, si has visualizado un anuncio, si has hecho clic sobre el mismo, si eso te ha llevado posteriormente a comprar un producto o a visitar una página web, etc. Esto resulta muy útil para comprender la relevancia de las campañas publicitarias.

  • Has hecho clic en un anuncio en una página web/medio de comunicación sobre descuentos realizados por una tienda online con motivo del “Black Friday” online y posteriormente has comprado un producto. Ese clic que has hecho estará vinculado a esa compra. Tu interacción y la de otros usuarios se medirán para saber el número de clics en el anuncio que han terminado en compra.
  • Usted es una de las pocas personas que ha hecho clic en un anuncio que promociona un descuento por el “Día de la madre”de una tienda de regalos en Internet dentro de la aplicación de una web/medio de comunicación. El medio de comunicación quiere contar con informes para comprender con qué frecuencia usted y otros usuarios han visualizado o han hecho clic en un anuncio determinado dentro de la aplicación y, en particular, en el anuncio del “Día de la madre” para así ayudar al medio de comunicación y a sus socios (por ejemplo, las agencias de publicidad) a optimizar la ubicación de los anuncios.

La información sobre qué contenido se te presenta y sobre la forma en que interactúas con él puede utilizarse para determinar, por ejemplo, si el contenido (no publicitario) ha llegado a su público previsto y ha coincidido con sus intereses. Por ejemplo, si hasleído un artículo, si has visualizado un vídeo, si has escuchado un “pódcast” o si has consultado la descripción de un producto, cuánto tiempo has pasado en esos servicios y en las páginas web que has visitado, etc. Esto resulta muy útil para comprender la relevancia del contenido (no publicitario) que se te muestra.

  • Has leído una publicación en un blog sobre senderismo desde la aplicación móvil de un editor/medio de comunicación y has seguido un enlace a una publicación recomendada y relacionada con esa publicación. Tus interacciones se registrarán para indicar que la publicación inicial sobre senderismo te ha resultado útil y que la misma ha tenido éxito a la hora de ganarse tu interés en la publicación relacionada. Esto se medirá para saber si deben publicarse más contenidos sobre senderismo en el futuro y para saber dónde emplazarlos en la pantalla de inicio de la aplicación móvil.
  • Se te ha presentado un vídeo sobre tendencias de moda, pero tu y otros usuarios habéis dejado de visualizarlo transcurridos unos 30 segundos. Esta información se utilizará para valorar la duración óptima de los futuros vídeos sobre tendencias de moda.

Se pueden generar informes basados en la combinación de conjuntos de datos (como perfiles de usuario, estadísticas, estudios de mercado, datos analíticos) respecto a tus interacciones y las de otros usuarios con el contenido publicitario (o no publicitario) para identificar las características comunes (por ejemplo, para determinar qué público objetivo es más receptivo a una campaña publicitaria o a ciertos contenidos).

  • El propietario de una librería que opera en Internet quiere contar con informes comerciales que muestren la proporción de visitantes que han visitado su página y se han ido sin comprar nada o que han consultado y comprado la última autobiografía publicada, así como la edad media y la distribución de género para cada uno de los dos grupos de visitantes. Posteriormente, los datos relacionados con la navegación que realizas en su página y sobre tus características personales se utilizan y combinan con otros datos para crear estas estadísticas.
  • Un anunciante quiere tener una mayor comprensión del tipo de público que interactúa con sus anuncios. Por ello, acude a un instituto de investigación con el fin de comparar las características de los usuarios que han interactuado con el anuncio con los atributos típicos de usuarios de plataformas similares en diferentes dispositivos. Esta comparación revela al anunciante que su público publicitario está accediendo principalmente a los anuncios a través de dispositivos móviles y que es probable que su rango de edad se encuentre entre los 45 y los 60 años.

La información sobre tu actividad en este servicio, como tu interacción con los anuncios o con el contenido, puede resultar muy útil para mejorar productos y servicios, así como para crear otros nuevos en base a las interacciones de los usuarios, el tipo de audiencia, etc. Esta finalidad específica no incluye el desarrollo ni la mejora de los perfiles de usuario y de identificadores.

  • Una plataforma tecnológica que opera con un proveedor de redes sociales observa un crecimiento en los usuarios de aplicaciones móviles y se da cuenta de que, en funciónde sus perfiles, muchos de ellos se conectan a través de conexiones móviles. La plataforma utiliza una tecnología nueva para mostrar anuncios con un formato óptimo para los dispositivos móviles y con un ancho de banda bajo a fin de mejorar su rendimiento.
  • Un anunciante está buscando una forma de mostrar anuncios en un nuevo tipo de dispositivo. El anunciante recopila información sobre la forma en que los usuarios interactúan con este nuevo tipo de dispositivo con el fin de determinar si puede crear un nuevo mecanismo para mostrar la publicidad en ese tipo de dispositivo.

El contenido que se presenta en este servicio puede basarse en datos limitados, como por ejemplo la página web o la aplicación que esté utilizando, tu ubicación no precisa, el tipo de dispositivo o el contenido con el que estás interactuando (o con el que has interactuado) (por ejemplo, para limitar el número de veces que se te presenta un vídeo o un artículo en concreto).

  • Una revista de viajes, para mejorar las experiencias de viaje en el extranjero, ha publicado en su página web un artículo sobre nuevos cursos que ofrece una escuela de idiomas por Internet. Las publicaciones del blog de la escuela se insertan directamente en la parte inferior de la página y se seleccionan en función de la ubicación no precisa del usuario (por ejemplo, publicaciones del blog que explican el plan de estudios del curso para idiomas diferentes al del país en el que este te encuentras).
  • Una aplicación móvil de noticias deportivas ha iniciado una nueva sección de artículos sobre los últimos partidos de fútbol. Cada artículo incluye vídeos alojados por una plataforma de streaming independiente que muestra los aspectos destacados de cada partido. Si adelantas un vídeo, esta información puede utilizarse para determinar que el siguiente vídeo a reproducir sea de menor duración.

Se puede utilizar la localización geográfica precisa y la información sobre las características del dispositivo

Al contar con tu aprobación, tu ubicación exacta (dentro de un radio inferior a 500 metros) podrá utilizarse para apoyar las finalidades que se explican en este documento.

Con tu aceptación, se pueden solicitar y utilizar ciertas características específicas de tu dispositivo para distinguirlo de otros (por ejemplo, las fuentes o complementos instalados y la resolución de su pantalla) en apoyo de las finalidades que se explican en este documento.

O sin cookies desde 1.67€ al mes

Por solo 1.67 al mes, disfruta de una navegación sin interrupciones por toda la red del Grupo ADSLZone: adslzone.net, movilzona.es, testdevelocidad.es, lamanzanamordida.net, hardzone.es, softzone.es, redeszone.net, topesdegama.com y más. Al unirte a nuestra comunidad, no solo estarás apoyando nuestro trabajo, sino que también te beneficiarás de una experiencia online sin publicidad ni cookies de seguimiento.

Materia oscura
El experimento está probadn osi se trata o no de materia oscura. Imagen de Freepik

La famosa materia oscura ya está aquí: el misterioso evento detectado bajo tierra que enciende las alarmas

Síguenos

Hay un tipo de materia que los científicos llevan casi un siglo intentando encontrar y que, pese a dar forma a al 85 % de la materia del universo, nunca ha podido observarse directamente. Ahora, un equipo internacional ha encontrado algo que encaja con una de las hipótesis que se utilizan para buscarla: una interacción de partículas difícil de explicar con los fenómenos de fondo conocidos.

El hallazgo procede del experimento LUX-ZEPLIN (LZ), uno de los detectores de materia oscura más sensibles construidos hasta la fecha. El resultado es lo suficientemente interesante como para haber llamado la atención de la comunidad científica, pero todavía no se puede afirmar que se haya dado con la tecla.

El análisis, realizado durante dos años por unos 250 científicos e ingenieros de 39 instituciones de seis países, ha encontrado un único evento en la región en la que podría esperarse una señal producida por una partícula de materia oscura. La señal alcanza una significación estadística de 2,6 sigma, todavía lejos de los 5 sigma que normalmente exige la física de partículas para hablar de un descubrimiento.

Evento único

El interés del resultado está precisamente en que los investigadores han encontrado una interacción que resulta complicada de atribuir a las señales de fondo conocidas. En otras palabras, después de aplicar los filtros para eliminar posibles interferencias, ha quedado un evento especialmente llamativo.

El trabajo ha sido presentado por el doctor Sam Eriksen, de la Universidad de Bristol, durante la conferencia TeV Particle Astrophysics 2026 celebrada en Japón. Según explicó el investigador, podría tratarse de un primer paso hacia la comprensión de la materia oscura como una partícula.

Pero los propios responsables del experimento han pedido cautela. Rick Gaitskell, profesor de la Universidad Brown y miembro de la colaboración LZ, señaló que no quieren adelantarse a las conclusiones porque solo se ha observado un evento.

Esta prudencia es especialmente importante en física experimental. Una señal aislada puede terminar siendo una fluctuación estadística o proceder de algún fenómeno que todavía no se haya identificado correctamente. Para convertir una anomalía en evidencia sólida, hace falta observar que el fenómeno se repite con nuevos datos. Ahora mismo, con los datos recogidos, todavía existe una posibilidad apreciable de que el evento tenga una explicación convencional.

Imagen usuario de twitter
SLAC National Accelerator Laboratory
@SLAClab
Could this unexpected signal be our first detection of dark matter?

The LUX-ZEPLIN experiment, world-leading dark matter detector, has observed a particle interaction that is the most compelling hint of dark matter reported by the experiment to date: https://t.co/ymDirjHdmA https://t.co/uuKpoF7sTp

01 de septiembre, 2026 • 16:18

194

5

Relación con la materia oscura

Una de las explicaciones que los investigadores están estudiando es que el evento haya sido provocado por una WIMP, acrónimo de Weakly Interacting Massive Particle. Se trata de una de las familias de partículas hipotéticas propuestas para explicar qué podría ser la materia oscura.

Si esa interpretación terminara confirmándose, estaríamos ante una evidencia extraordinariamente importante. Las estimaciones asociadas al evento apuntan a una partícula con una masa de al menos unos 200 GeV/c², más de 200 veces la masa aproximada de un protón.

Además, la interacción observada podría dar información sobre cómo una hipotética WIMP interactuaría con la materia ordinaria. Eso permitiría ir más allá de los modelos más sencillos utilizados hasta ahora.

Cómo se detecta la materia oscura

La tecnología utilizada para buscar esta señal es tan importante como el propio resultado. LUX-ZEPLIN se encuentra en el Sanford Underground Research Facility, en Dakota del Sur, Estados Unidos, protegido bajo aproximadamente una milla de roca.

El objetivo de enterrarlo a tanta profundidad es reducir al máximo la interferencia de los rayos cósmicos. El detector emplea además un enorme sistema de protección compuesto, entre otros elementos, por agua y detectores externos capaces de identificar partículas que podrían generar señales similares a las que buscan los investigadores.

En el corazón del experimento hay alrededor de 10 toneladas de xenón líquido ultrapuro. La idea es extremadamente precisa: si una partícula de materia oscura atravesase el detector e interactuase con un núcleo de xenón, podría depositar energía y producir pequeños destellos de luz.

LZ registra esas señales y utiliza diferentes detectores y herramientas computacionales para determinar de dónde pueden proceder. El reto consiste en diferenciar una hipotética interacción de materia oscura de todas las partículas ordinarias capaces de producir una señal parecida.

Precisamente por eso este resultado resulta interesante. El evento apareció en una región del análisis donde las posibles señales de fondo son especialmente reducidas.

Preguntas frecuentes sobre la posible detección de materia oscura

Qué es exactamente lo que ha detectado el experimento LUX-ZEPLIN?
Un evento de interacción de partículas que parece único. Sin embargo, todavía no puede considerarse descubrimiento.
¿Por qué 2,6 sigma no se considera un descubrimiento?
En física de partículas, 5 sigma se corresponde con una probabilidad muy baja (menos de 1 entre 3,5 millones) de que la señal sea una fluctuación aleatoria. Con 2,6 sigma aún existe una posibilidad apreciable (alrededor del 1 %) de que el evento tenga una explicación convencional o sea puramente estadístico.
¿Qué es una WIMP?
Es una partícula masiva que interactúa débilmente.