Preparation and characterization of strongly sulfonated acid block and random copolymer membranes for acetic acid esterification with 2-Propanol

Verónica Rosiles González Ronan Le Lagadec ARELLY PAULINA VARGUEZ CATZIM María Isabel de los Dolores Loría Bastarrachea Abigail Gonzalez Diaz EMANUEL HERNANDEZ NUÑEZ Manuel de Jesús Aguilar Vega MARIA ORTENCIA GONZALEZ DIAZ (2022, [Artículo])

In this paper, we report the synthesis of block and random copolymers of 2-acrylamido-2-methyl-1-propane sulfonic acid (AMPS) and methyl methacrylate (MMA), with different AMPS feed ratios. These solution-processable copolymers with strongly sulfonated acid groups resulted in membranes with tunable ion exchange (IEC) and water absorption capacities. AFM images confirmed the microphase separation of PAMPS-b-PMMA-1:1 block copolymer membrane, annealed under the appropriate conditions. The resulting copolymers from the random combination of a 1:1 molar ratio of AMPS and MMA monomers are effective at enhancing the esterification conversion of acetic acid, when compared with a reaction catalyzed by PAMPS-b-PMMA block copolymers and the previously studied catalytic membranes. With the PAMPS-co-PMMA-1:1 membrane, the esterification reaction using acetic acid achieved 85% isopropyl acetate. These results are closely correlated with the increase in IEC (2.63 mmol H+ g−1 ) and the relationship between weight loss (20.3%) and swelling degree (68%) in 2-propanol. © 2022 by the authors. Licensee MDPI, Basel, Switzerland.

BLOCK COPOLYMERS RANDOM COPOLYMERS CATALYTIC MEMBRANES ESTERIFICATION ISOPROPYL ACETATE INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE MATERIALES PROPIEDADES DE LOS MATERIALES PROPIEDADES DE LOS MATERIALES

Principles of field experimentation

Berhanu Tadesse Ertiro (2023, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA FIELD EXPERIMENTATION EXPERIMENTAL DESIGN RANDOMIZED BLOCK DESIGN LATTICE DESIGN PLANT BREEDING

Evaluación del aporte hidrológico superficial en el sistema de bloque de montaña de la subcuenca Ojos Negros

Surface hydrological contribution evaluation in the mountain block system of the Ojos Negros subbasin

Ricardo Adolfo Hidalgo Rodríguez (2023, [Tesis de maestría])

Este trabajo se realizó en la sección de la subcuenca Ojos Negros, sobre el bloque de montaña de la Sierra de Juárez (denominado Sistema de Bloque de Montaña de la Subcuenca Ojos Negros, SBMON), en el estado de Baja California, México. Se llevó a cabo un modelado hidrológico del escurrimiento en el periodo 1981-2020 para cuantificar el aporte hidrológico de salida hacia el Valle de Ojos Negros. En cumplimiento del objetivo, se diseñó una base de datos meteorológicos compuesta por los registros diarios de las estaciones meteorológicas en la región y del modelo de forzamiento de superficie NLDAS2. Se recopiló un conjunto de información edafológica, forestal, geológica, satelital y topográfica dentro del área de estudio. Con la información recolectada, se elaboraron dos modelos de escurrimiento empleando el método de las curvas numeradas (CN) del Departamento de Agricultura de los Estados Unidos (USDA). Los modelos fueron ajustados con los valores de sustracción inicial, Ia, de 0.2 (modelo A) y 0.05 (modelo B). Las series generadas se compararon con los resultados del modelo GCN250, basado en los datos edafológicos y forestales de la Agencia Espacial Europea (ESA). A nivel regional, se observó un aporte de escurrimiento anual de 9.2 Mm3 (GCN250), 10.9 Mm3 (modelo A) y 4.7 Mm3 (modelo B). La sección oriental del SBMON mostró el mayor potencial de infiltración, pero también fue la zona con mayor producción de escurrimiento en todos los modelos. Desde la perspectiva estacional, se identificaron periodos donde los escurrimientos formados a partir de las lluvias en verano superaron a los generados en la temporada invernal. Con base a los resultados obtenidos, el aporte de escurrimiento dentro del SBMON es significativa, no obstante, los procesos de escurrimiento subsuperficial y subterráneo pueden tener un papel todavía más importante en la recarga hacia el Valle de Ojos Negros. Se recomienda dar seguimiento a la variación del contenido de humedad en los suelos del SBMON, a los patrones anuales y estacionales de precipitación, así como la contribución hídrica del derretimiento de la nieve en la Sierra de Juárez.

This work was realized in the section of the Ojos Negros sub-basin, on the Sierra de Juárez mountain block (denominated Mountain Block System of the Ojos Negros Sub-Basin, SBMON), in the state of Baja California, Mexico. A hydrological runoff modeling was carried out for the period 1981-2020 to quantify the output hydrological contribution toward the Ojos Negros Valley. In compliance with the objective, a meteorological database consisting of the daily records of the meteorological stations and the NLDAS-2 surface forcing model was designed. A set of edaphological, forestry, geological, satellite, and topographical information was collected within the study area. Based on the collected information, two runoff models were developed using the Curve Number (CN) method from the United States Department of Agriculture (USDA). The models were adjusted with the initial subtraction values, Ia, of 0.2 (model A) and 0.05 (model B). The generated series were compared with the results of the GCN250 model, based on soil and forestry data from the European Space Agency (ESA). Regionally, an annual runoff contribution of 9.2 Mm3 (GCN250), 10.9 Mm3 (model A), and 4.7 Mm3 (model B) was observed. The eastern section of the SBMON showed the highest infiltration potential, but it was also the area with the highest runoff production in all models. From the seasonal perspective, periods were identified where the runoff formed from summer rains exceeded that generated in the winter season. Based on the results obtained, the runoff contribution within the SBMON is significant, however, the subsurface and underground runoff processes may have an even more key role in the recharge toward the Ojos Negros Valley. It is recommended to monitor the variation of the moisture content in the SBMON soils, the annual and seasonal patterns of precipitation, as well as the water contribution from the snow melting in the Sierra de Juárez.

Sistema de bloque de montaña de la subcuenca Ojos Negros, escurrimiento, infiltración, método de las Curvas Numeradas, GCN250 Mountain Block System of the Ojos Negros Sub-Basin, runoff, infiltration, Curve Number method, GCN250 CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA CIENCIAS DE LA TIERRA Y DEL ESPACIO OTRAS ESPECIALIDADES DE LA TIERRA, ESPACIO O ENTORNO OTRAS OTRAS

Contratos inteligentes para la gestión de datos de sensado móvil y vestible para aplicaciones en salud

Smart contracts for mobile and wearable sensing data management for health applications

José Ricardo Cedeño García (2023, [Tesis de maestría])

El aumento en la producción de datos derivado de la adopción de tecnologías móviles y de IoT está revolucionando la salud, pero también plantea importantes retos éticos y de privacidad. Los recientes avances en el aprendizaje automático han resaltado la importancia de recopilar y etiquetar datos correctamente, en especial para fines críticos, como el desarrollo de aplicaciones para cuidados médicos. La recopilación de datos médicos para tareas de aprendizaje automático presenta limitaciones en cuanto a la cantidad, variedad y calidad de las fuentes disponibles. Una forma de abordar este dilema es el uso de Blockchain para la recopilación y el uso de datos de pacientes. El anonimato de una red centralizada permite proteger la identidad del paciente. La estructura formada por nodos permite que la información esté siempre disponible y no dependa de un servidor principal. La inmutabilidad de los registros en la cadena garantiza la trazabilidad inequívoca del flujo de los datos del paciente. Por último, los mecanismos de consenso y recompensa de la red podrían motivar a nuevos usuarios a participar del sensado activo. Presentamos TRHEAD, una arquitectura de referencia basada en la Blockchain para recopilar datos sanitarios, firmar consentimientos, anotar datos y obtener crédito por los mismos, permitiendo a los usuarios rastrear el uso de sus datos, a los científicos rastrear su procedencia y proteger al mismo tiempo la privacidad de los pacientes. Exponemos dos implementaciones de nuestra arquitectura aplicadas a distintas campañas de sensado para comprobar su viabilidad, así como los resultados de su aplicación en estos escenarios y las conclusiones que desprendieron de su análisis. Dado que uno de los objetivos principales de TRHEAD es la recopilación de datos mediante sensado activo para el entrenamiento legal/consciente de modelos de aprendizaje automático, se realizó el entrenamiento de un modelo con los datos obtenidos de la campaña de sensado correspondiente a imágenes de rostros humanos, con el fin de detectar estados de ánimo. Finalmente se discute el papel de TRHEAD en el aseguramiento del trato justo y consciente de la información de los pacientes y el camino por recorrer en el perfeccionamiento de la arquitectura.

The increase in data production resulting from the adoption of mobile and IoT technologies is revolutionizing healthcare, but it also poses significant ethical and privacy challenges. Recent advances in machine learning have highlighted the importance of collecting and labeling data correctly, especially for critical purposes such as deploying healthcare software. Collecting medical data for machine learning tasks presents limitations in terms of the quantity, variety, and quality of available sources. One way to address this dilemma is the use of Blockchain for the collection and use of patient data. The anonymity of a centralized network allows the patient’s identity to be protected. The structure formed by nodes allows information to be always available and not dependent on a main server. The immutability of the records in the chain guarantees the unequivocal traceability of the flow of patient data. Finally, the network’s consensus and reward mechanisms could motivate new users to participate in active sensing. We present TRHEAD, a Blockchain-based reference architecture for collecting healthcare data, signing consents, annotating data and getting credit for it, allowing users to track the use of their data, scientists to track its provenance while protecting patients privacy. We present two implementations of our architecture applied to different sensing campaigns to test their feasibility, as well as the results of their application in these scenarios and the conclusions drawn from those results. Since one of the main objectives of TRHEAD is the collection of data through active sensing for the legal/conscious training of machine learning models, a model was trained with the data obtained from the sensing campaign corresponding to images of human faces, in order to detect moods. Finally, the role of TRHEAD in ensuring the fair and conscientious treatment of patient information and the road ahead in refining the architecture is discussed.

Contratos Inteligentes, Blockchain, Privacidad, Aprendizaje de Máquina Etico, Recopilación Consciente de Datos, Consentimiento, Arquitectura de Referencia Smart Contracts, Blockchain, Privacy, Ethical Machine Learning, Conscious Data Collection, Consent, Reference Architecture INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL