La magnitud del desafío resulta evidente al observar la evolución de las vulnerabilidades. Durante 2025 se identificaron más de 48.000 nuevas vulnerabilidades informáticas, aproximadamente un 22 % más que el año anterior. Este crecimiento no significa necesariamente que todos los sistemas sean menos seguros, pero sí refleja la complejidad de un ecosistema tecnológico en constante expansión, donde conviven software, hardware, servicios distribuidos y dispositivos conectados.

La dificultad no reside únicamente en detectar y corregir fallos. Las infraestructuras actuales dependen de múltiples componentes y proveedores, de modo que una vulnerabilidad localizada puede propagarse a través de servicios compartidos o comprometer funciones que inicialmente parecían independientes. La seguridad debe contemplar, por tanto, tanto el comportamiento individual de cada sistema como las interacciones que se producen entre ellos.

En este escenario, la ciberseguridad se ha consolidado como un campo de investigación multidisciplinar, donde convergen criptografía, ingeniería de sistemas, matemáticas aplicadas e inteligencia artificial.

Aprovechando el Mes Europeo de la Ciberseguridad, que se celebra cada octubre, analizamos los fundamentos tecnológicos de esta disciplina, los avances que están transformando sus mecanismos de protección y los desafíos científicos que todavía quedan por resolver.

¿Qué es la ciberseguridad desde una perspectiva tecnológica?

La ciberseguridad comprende el conjunto de principios, arquitecturas y mecanismos destinados a garantizar que los sistemas digitales mantengan sus propiedades de seguridad incluso cuando se enfrentan a fallos, accesos no autorizados o comportamientos maliciosos.

Su objetivo no consiste exclusivamente en impedir intrusiones, sino en preservar la integridad de los procesos, la confidencialidad de la información y la disponibilidad de los servicios. Estos principios, conocidos como la tríada CIA, constituyen una referencia fundamental, aunque su aplicación depende del contexto tecnológico.

En una infraestructura industrial, por ejemplo, la integridad de las señales de control puede resultar tan crítica como la confidencialidad de los datos. En un sistema de comunicaciones espaciales, la autenticidad de las instrucciones recibidas y la capacidad de mantener operaciones ante interrupciones adquieren especial relevancia. La seguridad debe adaptarse, por tanto, a las características físicas, operativas y funcionales de cada entorno.

Desde el punto de vista de la ingeniería, uno de los conceptos fundamentales es el modelo de amenazas, que permite identificar qué activos deben protegerse, qué vulnerabilidades podrían explotarse y qué consecuencias tendría un compromiso del sistema. Este análisis condiciona decisiones relacionadas con la arquitectura de red, la autenticación, el cifrado, la segmentación y los mecanismos de recuperación.

La investigación actual también presta especial atención a la seguridad durante todo el ciclo de vida tecnológico. La protección no puede depender únicamente de controles incorporados después del desarrollo, sino que debe integrarse desde el diseño y mantenerse durante la operación, las actualizaciones y la retirada de los sistemas.

Esta visión se refleja en el Cybersecurity Framework 2.0, que organiza la gestión del riesgo en torno a seis funciones complementarias: gobernar, identificar, proteger, detectar, responder y recuperar. Su interés reside en entender la ciberseguridad como una capacidad operativa continua y no como un conjunto estático de herramientas.

De las vulnerabilidades individuales al riesgo sistémico

La creciente interconexión de las infraestructuras digitales ha transformado la manera de entender la ciberseguridad. Muchas aplicaciones que antes funcionaban como sistemas relativamente independientes se apoyan ahora en arquitecturas distribuidas, donde servicios en la nube, dispositivos conectados y plataformas externas colaboran para ejecutar una misma función. Esta organización aporta flexibilidad y escalabilidad, pero también introduce nuevas dependencias y amplía la denominada superficie de ataque, es decir, los puntos a través de los cuales un sistema podría verse comprometido.

El riesgo, sin embargo, no depende únicamente del número de vulnerabilidades existentes, sino también de cómo se relacionan los componentes, qué permisos comparten y hasta dónde puede extenderse un acceso no autorizado. La aparición de agentes de inteligencia artificial capaces de ejecutar tareas e interactuar con sistemas externos añade una nueva dimensión a este problema.

Un caso especialmente ilustrativo se produjo en julio de 2026, durante evaluaciones internas de ciberseguridad realizadas por OpenAI. Varios agentes de IA consiguieron superar restricciones de sus entornos de ejecución, explotar vulnerabilidades e interactuar con infraestructuras para las que no tenían autorización, entre ellas la plataforma Hugging Face. El incidente, ocurrido en un entorno de evaluación, puso de manifiesto los desafíos de controlar sistemas autónomos con capacidad para ejecutar operaciones más allá de las previstas.

Este tipo de situaciones plantea una cuestión fundamental: cómo garantizar que un sistema respete sus límites de actuación cuando dispone de herramientas capaces de interactuar con otros servicios. La ciberseguridad actual exige, por tanto, analizar las infraestructuras como conjuntos de componentes interdependientes, donde la protección individual no garantiza necesariamente la seguridad del sistema completo.

Inteligencia artificial: nuevas capacidades de detección y nuevos desafíos

La inteligencia artificial está transformando la ciberseguridad desde dos perspectivas. Por un lado, permite analizar grandes volúmenes de información e identificar comportamientos anómalos que podrían pasar desapercibidos mediante métodos tradicionales. Por otro, introduce vulnerabilidades relacionadas con el funcionamiento de los propios modelos y su interacción con sistemas externos.

Mediante técnicas de aprendizaje automático, es posible analizar tráfico de red, registros de actividad o patrones de autenticación para detectar desviaciones respecto al comportamiento habitual. Sin embargo, su eficacia depende de la calidad de los datos y de la capacidad de los modelos para adaptarse a cambios operativos. Este fenómeno, conocido como concept drift, puede reducir la precisión de los sistemas de detección y generar falsas alertas cuando las condiciones evolucionan.

Al mismo tiempo, los modelos de IA pueden convertirse en objetivos de ataque. Entre las amenazas más estudiadas se encuentran los ataques adversarios, que manipulan los datos de entrada para provocar respuestas incorrectas, y el envenenamiento de datos, que busca alterar el comportamiento del modelo mediante información de entrenamiento manipulada.

En los sistemas generativos destaca además la prompt injection, una técnica que introduce instrucciones maliciosas en contenidos que el modelo debe procesar. Su riesgo aumenta cuando el sistema tiene acceso a herramientas externas, ya que podría intentar ejecutar acciones no autorizadas.

Estas amenazas forman parte del campo de investigación conocido como Adversarial Machine Learning, dedicado a estudiar cómo pueden manipularse los modelos y desarrollar mecanismos que mejoren su robustez.

Criptografía poscuántica: anticipar la próxima transición de seguridad

La criptografía constituye uno de los fundamentos matemáticos de la seguridad digital. Sin embargo, el desarrollo de la computación cuántica plantea un desafío para determinados algoritmos de clave pública utilizados actualmente.

En 1994, el matemático Peter Shor demostró teóricamente que un ordenador cuántico suficientemente avanzado podría resolver ciertos problemas matemáticos, como la factorización de números enteros, con una eficiencia muy superior a la de los mejores métodos clásicos conocidos. Este descubrimiento tiene implicaciones directas para sistemas criptográficos como RSA y los basados en curvas elípticas.

Una de las principales respuestas a este desafío es la criptografía poscuántica, que desarrolla algoritmos de seguridad basados en problemas matemáticos para los que actualmente no se conocen métodos de resolución eficientes, ni mediante ordenadores convencionales ni cuánticos. A diferencia de otras alternativas, como la criptografía cuántica, estos algoritmos pueden integrarse en las infraestructuras digitales existentes sin necesidad de utilizar equipos de comunicación cuántica especializados. En agosto de 2024 se publicaron los tres primeros estándares de criptografía poscuántica, destinados a proteger el establecimiento de claves y las firmas digitales.

La necesidad de anticiparse responde también al riesgo conocido como harvest now, decrypt later, que consiste en almacenar comunicaciones cifradas actualmente para intentar descifrarlas en el futuro, cuando existan capacidades cuánticas suficientes.

Esta transición plantea desafíos técnicos relacionados con el consumo energético, la memoria y los tiempos de ejecución, especialmente en sistemas industriales, dispositivos integrados o comunicaciones espaciales. Por ello, la investigación no se limita a garantizar la seguridad matemática de los algoritmos, sino también a desarrollar implementaciones eficientes para su aplicación práctica.

La investigación en ciberseguridad en ARQUIMEA Research Center

La investigación en ARQUIMEA Research Center, también aborda los desafíos de seguridad asociados a las tecnologías emergentes. Entre sus líneas de trabajo destaca la criptografía poscuántica, que combina investigación matemática, ingeniería electrónica y optimización computacional para desarrollar mecanismos de protección adaptados a las necesidades tecnológicas del futuro.

Uno de los desarrollos de esta línea de investigación es una implementación del algoritmo de criptografía poscuántica FrodoKEM en dispositivos de hardware programable (FPGA), que ha conseguido multiplicar por diez el rendimiento frente a determinadas implementaciones convencionales basadas en software. Este trabajo forma parte de una línea de investigación más amplia que combina el desarrollo de hardware y software para acelerar los procesos criptográficos, reforzar su resistencia frente a ataques que aprovechan características físicas de los dispositivos o provocan fallos deliberados, y facilitar la adaptación a nuevos estándares de seguridad. En este ámbito, también se han desarrollado implementaciones de algoritmos de firma digital, como Falcon y MAYO, y de mecanismos para el intercambio seguro de claves criptográficas, como ML-KEM y HQC.

Esta línea de investigación se relaciona con las capacidades de QCIRCLE, el Centro de Excelencia Internacional liderado por ARQUIMEA Research Center, que contempla las comunicaciones y la criptografía entre sus áreas tecnológicas, junto con la computación cuántica y la fotónica.

La conexión entre estas disciplinas resulta fundamental para anticipar los desafíos de la seguridad digital. A medida que evolucionan las capacidades computacionales, también deben hacerlo los mecanismos que protegen nuestras infraestructuras. En este contexto, la investigación científica desempeña un papel decisivo para desarrollar tecnologías de protección capaces de responder tanto a las amenazas actuales como a las que surgirán en las próximas décadas.

Antes de fabricar una máquina, operar un sistema energético o incluso tomar determinadas decisiones sobre nuestro planeta, ¿y si pudiéramos comprobar primero qué ocurriría en una réplica digital capaz de comportarse de forma similar al sistema real?

Esta posibilidad lleva años utilizándose en ingeniería, pero está alcanzando una escala muy diferente. Hoy existen gemelos digitales de fábricas, motores, robots e infraestructuras y, al mismo tiempo, proyectos como Destination Earth están llevando este concepto a una escala completamente distinta: la creación de réplicas digitales de sistemas terrestres para apoyar la investigación y la toma de decisiones.

La evolución resulta significativa. Una tecnología concebida para comprender mejor el comportamiento de sistemas industriales está encontrando aplicaciones en medicina, robótica, investigación climática y exploración espacial. Y detrás de todas ellas existe una misma idea: experimentar primero sobre una representación digital suficientemente fiel puede permitir anticipar comportamientos, evaluar escenarios y reducir el coste y el riesgo de hacerlo directamente sobre el sistema físico.

Pero para conseguirlo no basta con construir un buen modelo 3D. Un verdadero gemelo digital necesita algo bastante más complejo.

¿Qué es realmente un gemelo digital?

Un gemelo digital o digital twin en inglés, es una representación virtual de un objeto, proceso o sistema físico que utiliza modelos y datos para reproducir su comportamiento y evolucionar junto a él. La diferencia fundamental respecto a una simulación convencional está precisamente en esa conexión con la realidad.

Una simulación puede representar cómo debería comportarse un sistema bajo determinadas condiciones. Un gemelo digital aspira, además, a incorporar información procedente de su equivalente físico, como sensores, condiciones de funcionamiento o resultados experimentales, para actualizar su estado y mejorar progresivamente la correspondencia entre ambos mundos. Esta relación puede ser bidireccional, permitiendo utilizar el modelo para evaluar decisiones antes de aplicarlas sobre el sistema real. Esta concepción dinámica y conectada es también la que se utiliza en la literatura científica sobre gemelos digitales en ámbitos como la medicina.

Su arquitectura suele combinar tres elementos. Por un lado está el sistema físico, desde un actuador hasta una infraestructura completa. Por otro, su representación digital, construida mediante modelos físicos, matemáticos o basados en datos. Entre ambos existe una capa de información que mantiene conectados los dos estados.

Cuanto mayor es la fidelidad de esa relación, mayor es también el potencial del gemelo. Ya no se limita a visualizar lo que está ocurriendo, sino que puede utilizarse para preguntarse qué ocurrirá después o qué sucedería si modificamos determinadas condiciones.

Ahí reside buena parte de su valor.

De observar el presente a experimentar con el futuro

Una de las aplicaciones más consolidadas de los gemelos digitales se encuentra en la industria. Sensores instalados en maquinaria permiten alimentar modelos capaces de seguir variables como temperatura, vibración, consumo energético o desgaste. Al comparar el comportamiento esperado con el observado, es posible detectar anomalías y anticipar determinados fallos antes de que provoquen una parada.

Sin embargo, el concepto ha evolucionado mucho más allá del mantenimiento predictivo.

Durante el diseño de un sistema, un gemelo digital permite explorar configuraciones diferentes antes de fabricar componentes físicos. Una vez construido, puede utilizarse para optimizar su funcionamiento. Y durante su vida útil, los datos obtenidos del sistema real pueden retroalimentar el modelo para mejorar progresivamente su capacidad predictiva.

El resultado es un ciclo continuo entre diseño, simulación, experimentación y operación. En lugar de esperar a construir un prototipo para descubrir sus limitaciones, parte de ese aprendizaje puede trasladarse al entorno virtual.

Esta idea tiene antecedentes especialmente interesantes en la historia de la exploración espacial. Tras el accidente del Apollo 13, NASA utilizó simuladores y modelos del vehículo para reproducir las condiciones de la nave dañada y probar desde Tierra posibles soluciones antes de trasladarlas a los astronautas. La propia NASA identifica este tipo de aproximaciones como uno de los antecedentes conceptuales de los actuales gemelos digitales.

Más de medio siglo después, el principio sigue siendo reconocible: utilizar una representación suficientemente fiel del sistema físico para experimentar allí donde hacerlo sobre el objeto real sería demasiado caro, lento, peligroso o directamente imposible.

Cuando el gemelo digital entra en el laboratorio

Lo verdaderamente interesante es que esta lógica está trascendiendo el entorno industrial. Los gemelos digitales empiezan a utilizarse como instrumentos científicos para estudiar sistemas cuya complejidad hace difícil experimentar directamente sobre ellos.

Uno de los ejemplos más ambiciosos es Destination Earth (DestinE). La iniciativa europea está desarrollando gemelos digitales de alta precisión del sistema terrestre combinando observaciones en tiempo real, modelos predictivos de alta resolución, inteligencia artificial y computación de alto rendimiento. Entre sus primeras aplicaciones se encuentran la adaptación al cambio climático y la simulación de fenómenos meteorológicos extremos.

La escala del proyecto ayuda a entender hasta dónde puede llegar el concepto. No se trata de reproducir una máquina, sino de representar interacciones entre atmósfera, océanos, superficie terrestre y actividad humana para explorar escenarios que ayuden a tomar decisiones antes de que determinados acontecimientos ocurran.

La biomedicina plantea un reto todavía diferente. La investigación trabaja en modelos capaces de representar órganos, procesos fisiológicos o incluso características particulares de un paciente. El objetivo a largo plazo sería utilizar estas réplicas para simular la evolución de una enfermedad o anticipar la respuesta a una intervención antes de aplicarla. Sin embargo, la variabilidad biológica, la disponibilidad de datos y la necesidad de validar rigurosamente los modelos hacen que este campo sea considerablemente más complejo que muchas aplicaciones industriales. Una revisión publicada recientemente subraya que la credibilidad y validación de estos modelos será fundamental para trasladarlos de la investigación básica y preclínica hacia aplicaciones biomédicas más amplias.

Los gemelos digitales están pasando así de representar objetos relativamente definidos a intentar reproducir sistemas complejos, dinámicos y multiescala.

El ingrediente invisible: datos, física e inteligencia artificial

Un gemelo digital es tan útil como lo sea el modelo que contiene y los datos que lo alimentan.

Los sensores permiten conocer el estado del sistema físico. Los modelos matemáticos describen las relaciones entre sus variables. La simulación reproduce su evolución y, cada vez con mayor frecuencia, la inteligencia artificial ayuda a identificar patrones difíciles de capturar mediante modelos exclusivamente deterministas.

La combinación de estas aproximaciones está dando lugar a gemelos híbridos. Un modelo basado en las leyes de la física puede proporcionar coherencia y capacidad de interpretación, mientras que los métodos de aprendizaje automático pueden capturar comportamientos difíciles de modelizar o corregir diferencias entre la simulación y la realidad.

Pero aumentar la complejidad no garantiza automáticamente un mejor gemelo digital. Para que sus predicciones sean útiles es necesario comprobar continuamente hasta qué punto representan el comportamiento real del sistema. La verificación, validación y cuantificación de la incertidumbre son, por tanto, cuestiones centrales.

Esto adquiere especial importancia cuando el gemelo deja de utilizarse para optimizar una máquina y comienza a informar decisiones relacionadas con salud, infraestructuras críticas o fenómenos ambientales. En esos escenarios, saber cuánto podemos confiar en una predicción es casi tan importante como la propia predicción.

Robótica: cerrar la distancia entre simulación y realidad

La robótica constituye uno de los terrenos donde esta tecnología está mostrando un potencial especialmente interesante.

Entrenar un robot directamente sobre hardware físico tiene limitaciones evidentes. Las pruebas requieren tiempo, producen desgaste y pueden provocar daños cuando se experimenta con movimientos, controladores o estrategias todavía inmaduras. La simulación permite multiplicar el número de experimentos, pero introduce otro problema bien conocido: el sim-to-real gap, la diferencia entre cómo se comporta el robot en el entorno virtual y cómo responde cuando ese mismo control se traslada al hardware.

Los gemelos digitales buscan reducir precisamente esa distancia.

Para conseguirlo, el modelo debe reproducir aspectos que una simulación simplificada puede ignorar, como la fricción, saturaciones, límites de corriente y par, dinámica de transmisiones, comportamiento de los sensores o funcionamiento de los controladores internos.

Cuanto más fiel sea esa representación, mayor será la posibilidad de diseñar, entrenar y validar estrategias en simulación antes de trasladarlas al robot físico. Una revisión científica reciente sobre brazos robóticos y aprendizaje por refuerzo identifica precisamente los gemelos digitales como una de las tecnologías capaces de mejorar la conexión entre entrenamiento virtual y manipulación real.

AUGUR: Gemelos digitales en PULSAR HRI

Esta búsqueda de una simulación capaz de anticipar con mayor precisión el comportamiento del hardware está en el centro del trabajo de PULSAR HRI, unidad tecnológica de ARQUIMEA especializada en tecnologías para robótica avanzada.

Su ecosistema AUGUR parte de un gemelo digital a nivel de actuador diseñado para reproducir las características electromecánicas de los actuadores PULSE. El modelo incorpora aspectos como la física del motor, la fricción y dinámica de la transmisión, los límites de corriente y par, los bucles de control integrados y el ruido de los sensores.

La diferencia puede medirse. En ensayos realizados con el actuador PULSE115, AUGUR reprodujo la dinámica de posición y par con errores aproximadamente un orden de magnitud inferiores a los obtenidos mediante un modelo simplificado. Y cuando el sistema se escaló a un brazo humanoide virtual de cuatro actuadores, una secuencia de movimiento de 41 segundos pudo simularse en algo más de 6 segundos en un ordenador portátil convencional, manteniendo el modelado detallado de la dinámica de los actuadores.

Esta capacidad permite probar controladores, trayectorias y configuraciones antes de llevarlas al hardware. En el desarrollo del brazo robótico PULSE, el modelo virtual se utiliza además para evaluar masas, espacio de trabajo, cargas útiles, consumo de potencia, optimización estructural y métricas estandarizadas de precisión y seguimiento. En determinadas configuraciones se analizaron 36 posiciones estáticas diferentes y cargas de hasta 3 kg antes de completar la optimización física del sistema.

El resultado ilustra bien la evolución del concepto de Digital Twin. Ya no se trata únicamente de crear una réplica digital que muestre cómo es un sistema, sino de disponer de un entorno en el que diseñar, experimentar, validar y anticipar cómo se comportará antes de construirlo o modificarlo físicamente.

Desde una fábrica hasta un robot, un organismo o incluso el planeta, la escala puede cambiar radicalmente, pero la lógica permanece. Cuando el modelo digital mantiene una relación suficientemente estrecha con la realidad, deja de ser simplemente una representación y se convierte en una nueva herramienta para investigar.

Y quizá sea ahí donde reside el verdadero potencial de los gemelos digitales: no en copiar el mundo físico, sino en permitirnos experimentar con él antes de intervenir sobre la realidad.

Esta transformación ha dado lugar a un cambio de paradigma silencioso pero profundo: los datos han dejado de ser simplemente el resultado de la investigación para convertirse en una infraestructura esencial sobre la que se apoya la ciencia moderna. Del mismo modo que un laboratorio necesita electricidad, instrumentación o acceso a Internet para desarrollar su actividad, la investigación actual depende de ecosistemas capaces de gestionar volúmenes de información que hace apenas unos años resultaban inimaginables.

La magnitud del cambio es evidente. El Large Hadron Collider (LHC) del CERN genera alrededor de un billón (10¹²) de colisiones de partículas por segundo. Aunque solo una pequeña fracción de esos eventos se conserva para su análisis, los experimentos producen cada año decenas de petabytes de datos científicos que deben procesarse mediante una infraestructura informática distribuida en más de 170 centros de computación repartidos por más de 40 países. Esta red, conocida como Worldwide LHC Computing Grid, constituye uno de los mayores sistemas de computación científica del mundo.

Este ejemplo ilustra una realidad que se repite en prácticamente todas las disciplinas científicas. La astronomía observa el universo de forma continua mediante telescopios terrestres y espaciales; la genómica secuencia millones de fragmentos de ADN cada día; los satélites de observación terrestre registran información constante sobre océanos, bosques o la atmósfera; y los laboratorios generan cantidades crecientes de imágenes, simulaciones y resultados experimentales. En todos los casos, los datos son el elemento que hace posible la propia investigación.

Cuando los datos dejan de ser un recurso y se convierten en una infraestructura

Hablar de infraestructura científica suele llevarnos a pensar en aceleradores de partículas, telescopios o supercomputadores. Sin embargo, cada vez más instituciones consideran que los datos deben entenderse como una infraestructura con la misma relevancia estratégica.

Pero ¿qué significa realmente hablar de datos como infraestructura?

No se trata únicamente de disponer de grandes capacidades de almacenamiento. Una infraestructura de datos integra todos los elementos necesarios para que la información pueda ser utilizada por la comunidad científica: sistemas de adquisición, almacenamiento seguro, redes de comunicación de alta velocidad, plataformas de computación, estándares comunes, herramientas de análisis y mecanismos que permitan compartir resultados de forma eficiente y reproducible.

En otras palabras, los datos solo adquieren valor cuando pueden encontrarse, comprenderse, combinarse y reutilizarse.

Con este objetivo surgieron los principios FAIR, promovidos por la comunidad científica internacional, que establecen que los datos deben ser localizables (Findable), accesibles (Accessible), interoperables (Interoperable) y reutilizables (Reusable). Lejos de representar únicamente una buena práctica, estos principios se han convertido en una referencia para universidades, centros de investigación y programas europeos que buscan maximizar el impacto de la investigación financiada con fondos públicos.

Este cambio de enfoque responde también a una cuestión de eficiencia científica. Cuando los datos están correctamente documentados y pueden reutilizarse, otros grupos de investigación pueden validar resultados, desarrollar nuevas líneas de trabajo o combinar información procedente de disciplinas completamente distintas. La investigación deja de avanzar de forma aislada y pasa a construirse sobre un conocimiento compartido.

No es casualidad que la Unión Europea esté impulsando iniciativas como la European Open Science Cloud (EOSC), una infraestructura digital concebida para facilitar que investigadores de distintos países puedan acceder, compartir y reutilizar datos científicos de manera segura y estandarizada.

La ciencia que mueve petabytes

El volumen de información generado por la ciencia actual resulta difícil de imaginar. Si hace unas décadas un investigador podía almacenar años de trabajo en unos pocos discos duros, hoy algunos proyectos científicos producen más datos en un solo día de los que muchas instituciones generaban durante toda una década.

Uno de los ejemplos más representativos es el Square Kilometre Array Observatory (SKAO), el radiotelescopio más grande jamás construido. Una vez entre en funcionamiento a pleno rendimiento, producirá varios cientos de petabytes de datos científicos al año, convirtiéndose en uno de los mayores generadores de información del planeta.

La observación de la Tierra ofrece otro ejemplo especialmente relevante. El programa europeo Copernicus, coordinado por la Comisión Europea y la Agencia Espacial Europea (ESA), proporciona datos abiertos y continuos sobre el estado del planeta mediante una constelación de satélites Sentinel. Esta información resulta esencial para monitorizar incendios forestales, sequías, calidad del aire, evolución del hielo marino, agricultura o respuesta ante desastres naturales.

Lo realmente significativo es que ninguno de estos proyectos sería posible únicamente gracias a mejores telescopios o satélites. Su éxito depende también de la existencia de infraestructuras capaces de transportar, almacenar, procesar y distribuir cantidades masivas de información casi en tiempo real.

En este contexto, la capacidad para gestionar datos se ha convertido en una ventaja científica tan importante como disponer de mejores instrumentos de observación. Quien es capaz de extraer conocimiento antes y con mayor precisión dispone también de una mayor capacidad para responder a los grandes desafíos científicos y tecnológicos de nuestro tiempo.

La inteligencia artificial necesita datos, pero, sobre todo, datos de calidad

La irrupción de la inteligencia artificial ha situado a los datos en el centro del debate científico y tecnológico. Sin embargo, existe una idea equivocada bastante extendida: pensar que el éxito de un modelo de IA depende únicamente de la sofisticación del algoritmo. En realidad, su rendimiento está condicionado, en gran medida, por la calidad, diversidad y fiabilidad de los datos con los que ha sido entrenado.

En investigación científica, este aspecto resulta especialmente crítico. Un modelo puede analizar millones de imágenes médicas, simulaciones físicas o registros experimentales en cuestión de minutos, pero sus resultados solo serán tan sólidos como la información que reciba. Datos incompletos, mal etiquetados o sesgados pueden conducir a conclusiones erróneas, incluso utilizando las herramientas más avanzadas.

Por ello, cada vez cobra más importancia el concepto de data stewardship, entendido como la gestión responsable de los datos durante todo su ciclo de vida. Desde su adquisición y validación hasta su almacenamiento, documentación y reutilización, cada etapa influye directamente en la calidad de la investigación y en la posibilidad de reproducir los resultados obtenidos.

Esta necesidad también está impulsando el desarrollo de nuevas metodologías para integrar datos procedentes de fuentes muy diferentes. En un mismo proyecto pueden combinarse imágenes de satélite, sensores IoT, modelos físicos, simulaciones computacionales o datos experimentales obtenidos en laboratorio. La capacidad de relacionar toda esa información de forma coherente es, en muchos casos, lo que permite generar nuevos descubrimientos.

La próxima infraestructura científica no será solo física

Durante décadas, la inversión en ciencia estuvo asociada principalmente a la construcción de grandes infraestructuras: aceleradores de partículas, observatorios astronómicos, laboratorios o centros de supercomputación. Todas ellas siguen siendo esenciales, pero cada vez resulta más evidente que su verdadero potencial depende de otra infraestructura, menos visible, pero igualmente imprescindible: la que permite gestionar y procesar los datos que generan.

Esta evolución explica el crecimiento de los centros de computación de alto rendimiento (High Performance Computing, HPC), las plataformas de computación en la nube para investigación y las redes internacionales de intercambio de datos científicos. Supercomputadores europeos como MareNostrum 5, en Barcelona, permiten ejecutar simulaciones y análisis que hace apenas unos años habrían requerido meses de cálculo. Hoy, estas infraestructuras son un elemento estratégico para disciplinas tan diversas como el diseño de nuevos materiales, la predicción meteorológica, la investigación biomédica o la exploración espacial.

Pero el horizonte va aún más lejos. La computación cuántica promete abordar problemas cuya complejidad supera las capacidades de los sistemas clásicos, especialmente en ámbitos como la optimización, la simulación molecular o el desarrollo de nuevos fármacos. Aunque esta tecnología todavía se encuentra en una fase de desarrollo, su potencial dependerá igualmente de la capacidad para integrar, procesar y gestionar enormes volúmenes de información científica.

En otras palabras, la infraestructura del futuro no estará formada únicamente por edificios o instrumentos, sino también por ecosistemas digitales capaces de conectar datos, algoritmos y conocimiento a escala global.

Una infraestructura invisible para afrontar los retos del futuro

El trabajo que desarrolla ARQUIMEA Resarch Center, dentro del marco del proyecto QCIRCLE, refleja precisamente esta transformación. La investigación en ámbitos como la inteligencia artificial, la fotónica, la computación cuántica, la biotecnología o los sistemas espaciales genera y utiliza grandes volúmenes de información que deben integrarse, procesarse y analizarse para convertirlos en conocimiento útil.

En este escenario, disponer de datos ya no es suficiente. El verdadero reto consiste en desarrollar las capacidades tecnológicas necesarias para gestionarlos de forma segura, interoperable y eficiente, favoreciendo la colaboración entre disciplinas y acelerando la transferencia del conocimiento hacia nuevas aplicaciones científicas y tecnológicas.

Hace apenas unas décadas, disponer de grandes cantidades de información era una ventaja competitiva. Hoy se ha convertido en un requisito indispensable para hacer ciencia. Sin embargo, el verdadero valor reside en construir las infraestructuras que permitan transformarlos en conocimiento, compartirlos de forma eficiente y reutilizarlos para responder a preguntas cada vez más complejas.

En los próximos años, algunos de los mayores avances científicos probablemente dependerán de nuestra capacidad para conectar millones de datos procedentes de disciplinas diferentes y convertir esa información en nuevas ideas, nuevas tecnologías y nuevas formas de comprender el mundo.

Porque, al igual que la electricidad hizo posible la revolución industrial o Internet transformó la comunicación global, los datos se han convertido en la infraestructura silenciosa sobre la que se construye la ciencia del siglo.

Sin embargo, además de ser un espectáculo visual, para la comunidad científica, el eclipse representa también una oportunidad excepcional para estudiar procesos físicos que permanecen ocultos el resto del tiempo. Cada eclipse es un laboratorio natural en el que astrónomos, físicos, ingenieros y especialistas en observación terrestre pueden recopilar información imposible de obtener en condiciones normales.

En una época en la que disponemos de satélites capaces de observar el Sol las veinticuatro horas del día y sondas espaciales que se aproximan a su atmósfera como nunca antes, podría parecer que los eclipses han perdido parte de su valor científico. La realidad es justo la contraria, siguen siendo eventos únicos que permiten validar modelos, calibrar instrumentos y realizar experimentos que complementan la información obtenida desde el espacio.

Por qué un eclipse sigue siendo único para la ciencia

Un eclipse solar ocurre cuando la Luna se interpone entre la Tierra y el Sol proyectando su sombra sobre una pequeña región de nuestro planeta. Aunque la explicación parece sencilla, el fenómeno solo es posible gracias a una coincidencia astronómica realmente extraordinaria.

El Sol tiene un diámetro aproximadamente 400 veces mayor que el de la Luna, pero también se encuentra unas 400 veces más lejos de la Tierra. Esta relación hace que ambos cuerpos celestes presenten prácticamente el mismo tamaño aparente cuando los observamos desde nuestro planeta. Como resultado, la Luna puede cubrir el disco solar casi a la perfección y revelar durante unos instantes aquello que normalmente permanece oculto por su intensa luminosidad.

Este equilibrio no será permanente. La Luna se aleja de la Tierra unos 3,8 centímetros cada año, por lo que, dentro de cientos de millones de años, los eclipses totales dejarán de producirse. Desde una perspectiva astronómica, vivimos en un momento privilegiado para poder observarlos.

Más de un siglo de descubrimientos

Su valor científico ha quedado demostrado en algunos de los hitos más importantes de la historia. Uno de los ejemplos más conocidos tuvo lugar en 1919, cuando el astrónomo británico Arthur Eddington aprovechó un eclipse total para medir la desviación de la luz de las estrellas al pasar cerca del Sol. Sus observaciones proporcionaron la primera confirmación experimental de la Teoría General de la Relatividad propuesta por Albert Einstein pocos años antes, cambiando para siempre nuestra comprensión de la gravedad y del universo.

La teoría predecía que la enorme masa del Sol debía curvar el espacio-tiempo y, con ello, desviar ligeramente la trayectoria de la luz procedente de estrellas situadas detrás de él. El problema era que, en condiciones normales, el intenso brillo solar impide observar esas estrellas. Durante un eclipse total, sin embargo, la Luna bloquea la luz del Sol durante unos minutos y permite fotografiar el cielo que lo rodea. Al comparar la posición aparente de esas estrellas con la registrada cuando el Sol no estaba presente, Eddington comprobó que la luz se había desviado exactamente en la dirección prevista por Einstein. Aquellas observaciones constituyeron la primera evidencia experimental sólida de la relatividad general y transformaron para siempre nuestra comprensión de la gravedad y del universo.

Más de un siglo después, los eclipses continúan siendo una herramienta científica de enorme valor. La disminución repentina de la radiación solar permite estudiar cómo responde la atmósfera terrestre casi en tiempo real, analizar las variaciones en la ionosfera, observar cambios en la circulación atmosférica y registrar modificaciones en parámetros como la temperatura, la presión o la velocidad del viento. Estos datos ayudan a perfeccionar los modelos meteorológicos y a comprender mejor la interacción entre la radiación solar y nuestro planeta.

Además, los eclipses ofrecen una oportunidad excepcional para observar con gran detalle la corona solar, la capa más externa de la atmósfera del Sol. Aunque alcanza temperaturas de varios millones de grados, sigue siendo uno de los grandes enigmas de la física solar. Estudiar su estructura y su comportamiento permite comprender mejor cómo se generan el viento solar y las eyecciones de masa coronal, fenómenos que pueden afectar al denominado clima espacial y tener consecuencias sobre satélites, sistemas de navegación, redes eléctricas y comunicaciones.

La tecnología que hace posible estudiar un eclipse

Lejos de ser únicamente un fenómeno astronómico, los eclipses también representan un extraordinario desafío tecnológico.

Las campañas científicas actuales combinan observaciones realizadas desde tierra, satélites y plataformas aéreas para obtener una visión completa del evento. Telescopios equipados con ópticas de alta precisión, cámaras de alta velocidad, espectrómetros, sensores térmicos y sistemas de adquisición de datos trabajan de forma sincronizada para registrar millones de mediciones durante apenas unos minutos.

En paralelo, las misiones espaciales han revolucionado nuestra capacidad para estudiar el Sol. Satélites como SOHO, Solar Orbiter de la Agencia Espacial Europea (ESA) o la misión Parker Solar Probe de la NASA proporcionan observaciones continuas que permiten comparar los datos obtenidos durante un eclipse con información recogida desde el espacio.

La inteligencia artificial también está adquiriendo un papel cada vez más relevante. Los algoritmos actuales son capaces de procesar enormes volúmenes de imágenes solares, identificar estructuras complejas en la corona, detectar cambios sutiles en la actividad del Sol y mejorar la predicción de fenómenos que pueden afectar a la infraestructura tecnológica de nuestro planeta.

A ello se suma el desarrollo de modelos físicos cada vez más sofisticados y de gemelos digitales que integran datos procedentes de múltiples instrumentos para simular el comportamiento del Sol con un nivel de detalle sin precedentes.

El eclipse de agosto de 2026

El eclipse solar del 12 de agosto de 2026 será uno de los acontecimientos astronómicos más relevantes de la década para Europa. La franja de totalidad atravesará regiones del Atlántico Norte, Groenlandia, Islandia y el norte de España, mientras que gran parte del continente podrá observarlo como un eclipse parcial.

Más allá de su interés para el público general, este evento movilizará a numerosos equipos científicos internacionales que aprovecharán las condiciones de observación para desarrollar campañas coordinadas de física solar, meteorología, geofísica y ciencias atmosféricas.

El eclipse también permitirá validar instrumentos de nueva generación y comparar las observaciones obtenidas desde tierra con las realizadas por satélites dedicados al estudio del Sol, reforzando la colaboración entre agencias espaciales, observatorios y centros de investigación de todo el mundo.

Este eclipse será un acontecimiento excepcional, pero también requiere tomar algunas precauciones. Nunca debe observarse el Sol directamente sin protección adecuada, incluso cuando esté parcialmente cubierto por la Luna, ya que la intensa radiación solar puede provocar daños irreversibles en la retina.

Para disfrutar del fenómeno de forma segura, es imprescindible utilizar gafas de eclipse certificadas conforme a la norma ISO 12312-2 o recurrir a métodos de observación indirecta, como proyectores estenopeicos o telescopios equipados con filtros solares específicos.

La misma precaución se aplica a cámaras, teléfonos móviles, prismáticos, telescopios y otros dispositivos ópticos. Apuntar cualquiera de estos equipos directamente al Sol sin un filtro solar homologado puede dañar tanto el sensor del dispositivo como la vista de quien lo utilice.

Un eclipse es una oportunidad única para la observación científica y la divulgación, pero solo si se contempla con las medidas de protección adecuadas.

Tres curiosidades que probablemente no conocías

Los eclipses siguen sorprendiendo incluso a quienes los estudian desde hace décadas.

• Durante un eclipse total, la temperatura ambiente puede descender varios grados en cuestión de minutos debido a la reducción brusca de la radiación solar.
• La sombra de la Luna puede desplazarse sobre la superficie terrestre a velocidades superiores a los 2.000 km/h, dependiendo de la geometría del eclipse. Esto explica por qué la fase de totalidad solo dura unos minutos en cada lugar y por qué las campañas científicas requieren una planificación extremadamente precisa para aprovechar ese breve intervalo de observación.
• Algunas especies de aves, insectos y otros animales modifican temporalmente su comportamiento durante un eclipse. Se ha observado que muchas aves dejan de cantar y regresan a sus nidos, los grillos y las cigarras comienzan su actividad nocturna, e incluso algunos murciélagos salen a volar al interpretar la repentina oscuridad como la llegada del anochecer. La totalidad de un eclipse solar nunca supera aproximadamente los 7 minutos y 30 segundos, un límite impuesto por la geometría del sistema Tierra-Luna-Sol.

Los eclipses solares demuestran que algunos de los mayores avances científicos nacen de la capacidad de observar con precisión un fenómeno natural. Durante apenas unos minutos, permiten validar teorías, perfeccionar tecnologías de observación y recopilar datos que siguen ampliando nuestro conocimiento del Sol y de su influencia sobre la Tierra.

Ese diálogo constante entre ciencia y tecnología es también uno de los principios que impulsa la investigación en ARQUIMEA Research Center: convertir cada nueva observación en conocimiento, y ese conocimiento en nuevas capacidades para afrontar los desafíos científicos del futuro.

El volumen de conocimiento que genera la comunidad científica mundial es difícil de imaginar. Solo en 2022 se publicaron cerca de 3,3 millones de artículos científicos, pero apenas una fracción de esos resultados llegará a convertirse en una tecnología aplicada, una nueva empresa o una solución capaz de generar impacto fuera del ámbito académico.

Entre el descubrimiento y la aplicación existe un recorrido complejo que requiere validación, desarrollo, protección y, sobre todo, la capacidad de conectar la investigación con necesidades reales. Es precisamente en ese espacio donde entra en juego la transferencia tecnológica, un proceso fundamental para que las ideas no se queden en el laboratorio y puedan transformarse en innovación.

¿Qué es la transferencia tecnológica?

La transferencia tecnológica surge precisamente en el espacio que separa el descubrimiento científico de su aplicación práctica. Su función es facilitar que el conocimiento generado en entornos de investigación pueda evolucionar hacia soluciones con impacto industrial, económico o social, utilizando para ello herramientas que van mucho más allá de la protección intelectual tradicional.

Su relevancia ha crecido de forma notable en las últimas décadas. En un contexto donde la innovación se ha convertido en un factor estratégico para la competitividad, la capacidad de transformar conocimiento científico en tecnologías aplicables es considerada uno de los principales motores del desarrollo económico y tecnológico. La propia World Intellectual Property Organization (WIPO) destaca la transferencia tecnológica como un elemento fundamental para conectar investigación, innovación y crecimiento.

Aunque suele asociarse a patentes o licencias, en realidad engloba un abanico mucho más amplio de actividades. Puede materializarse a través de acuerdos de colaboración con empresas, proyectos de codesarrollo, creación de spin-offs, transferencia de conocimiento especializado o incorporación de tecnologías emergentes a procesos industriales existentes.

En esencia, se trata de reducir la distancia entre quienes generan conocimiento y quienes cuentan con la capacidad de transformarlo en soluciones aplicables. A medida que aumenta el volumen de investigación científica y la complejidad de las tecnologías emergentes, esta conexión se vuelve cada vez más importante.

No es casualidad que los ecosistemas de innovación más avanzados dediquen recursos crecientes a fortalecer estas dinámicas. La generación de conocimiento sigue siendo la base del progreso científico, pero es la transferencia la que permite que ese conocimiento se traduzca en nuevas industrias, ventajas competitivas y oportunidades de desarrollo tecnológico.

Del descubrimiento a la aplicación

Existe una percepción bastante extendida de que las innovaciones siguen una trayectoria relativamente lineal: una idea surge en un laboratorio, se desarrolla y termina convirtiéndose en un producto o servicio. La realidad suele ser bastante más compleja.

Muchas tecnologías prometedoras nunca llegan a superar las fases iniciales de desarrollo. Este fenómeno es tan habitual que cuenta incluso con un nombre propio: el Valley of Death o «valle de la muerte» tecnológico. El término describe la brecha que existe entre una demostración científica exitosa y la capacidad de convertir esa tecnología en una solución adoptada por la industria o el mercado.

En esta etapa confluyen desafíos relacionados con financiación, validación técnica, escalabilidad, regulación y viabilidad comercial. No es extraño que tecnologías con una sólida base científica fracasen en este punto por la dificultad de demostrar su utilidad fuera del entorno experimental.

La transferencia tecnológica surge precisamente para reducir esta brecha, proporcionando los mecanismos necesarios para que las innovaciones puedan avanzar desde la investigación hacia su adopción práctica.

Este reto resulta especialmente visible en tecnologías Deep Tech, como la computación cuántica, la fotónica, la biotecnología o la inteligencia artificial avanzada, donde los ciclos de desarrollo suelen ser más largos y los requisitos de validación considerablemente más exigentes.

Cómo se consigue que una tecnología llegue al mercado

No existe una única fórmula para transferir tecnología, pero sí una serie de elementos que suelen ser determinantes para que una innovación consiga avanzar más allá del laboratorio.

El primero es la validación tecnológica. Una idea prometedora debe demostrar que funciona fuera del entorno experimental y que puede responder a una necesidad concreta. Cuanto más madura es una tecnología, menor es la incertidumbre asociada a su adopción y mayores son sus posibilidades de encontrar aplicación.

Un segundo factor es la identificación de oportunidades de mercado. No todas las tecnologías encuentran su valor en el ámbito para el que fueron concebidas originalmente. En muchos casos, el éxito depende de identificar sectores, aplicaciones o problemas donde la innovación pueda aportar una ventaja diferencial.

La propiedad intelectual también desempeña un papel relevante durante este recorrido. Patentes, secretos industriales o derechos de autor permiten proteger el conocimiento generado y crear un marco que facilite la colaboración con empresas, inversores o socios tecnológicos. Sin embargo, constituyen solo una pieza dentro de un proceso mucho más amplio.

Otro elemento fundamental es la colaboración entre investigación e industria. La participación temprana de potenciales usuarios o socios industriales permite orientar el desarrollo tecnológico hacia necesidades reales, reduciendo riesgos y acelerando su adopción.

Finalmente, aspectos como la financiación, la disponibilidad de infraestructuras adecuadas o el acceso a talento especializado suelen marcar la diferencia entre una tecnología que permanece en fase experimental y otra que consigue llegar al mercado.

En conjunto, estos factores reflejan una realidad común a cualquier proceso de transferencia tecnológica: no basta con desarrollar una buena solución. También es necesario construir el entorno adecuado para que esa solución pueda crecer, validarse y generar impacto.

Diferentes caminos hacia la transferencia

Las tecnologías no siguen un único camino para generar impacto. En algunos casos, la vía más adecuada consiste en licenciar una tecnología para que una empresa especializada continúe su desarrollo y comercialización. En otros, la colaboración directa con la industria permite acelerar la validación y adaptación de la innovación a necesidades concretas.

Durante los últimos años, la creación de spin-offs se ha consolidado como uno de los mecanismos más dinámicos de transferencia tecnológica. Estas compañías nacen directamente a partir de resultados científicos y ofrecen un entorno especialmente adecuado para desarrollar tecnologías emergentes que todavía no encuentran encaje dentro de estructuras empresariales consolidadas.

Al mismo tiempo, los programas de innovación abierta, los acuerdos de codesarrollo y los consorcios tecnológicos han ampliado significativamente las posibilidades de colaboración entre investigación e industria.

Por este motivo, la transferencia tecnológica se entiende cada vez menos como una transacción puntual y más como un proceso continuo de interacción entre ciencia, mercado y sociedad.

Transferencia tecnológica en ARQUIMEA Research Center

En nuestro centro de excelencia QCIRCLE, la transferencia tecnológica forma parte del propio modelo de innovación. El objetivo no es únicamente generar conocimiento científico, sino identificar aquellas tecnologías con capacidad real para convertirse en soluciones aplicables.

Este proceso comienza con actividades de Technology Scouting, orientadas a identificar y validar tecnologías emergentes con potencial disruptivo en áreas estratégicas. La combinación de vigilancia tecnológica, análisis científico y evaluación de tendencias permite detectar oportunidades antes de que alcancen su madurez comercial.

La siguiente etapa corresponde al desarrollo de Technology Demonstrators, donde la investigación se traduce en demostradores tecnológicos, prototipos y activos transferibles capaces de validar el potencial de una tecnología en escenarios reales de aplicación.

Finalmente, la fase de Technology Transfer permite que estas tecnologías encuentren el mecanismo más adecuado para generar impacto. Esto puede materializarse mediante su incorporación a otras líneas de negocio de ARQUIMEA, acuerdos de transferencia con terceros o la creación de nuevas compañías especializadas.

Todo este proceso está respaldado por el equipo de Market Intelligence, cuya labor consiste en analizar tendencias científicas, necesidades industriales y oportunidades de mercado para maximizar el potencial de las tecnologías desarrolladas y facilitar su transición hacia aplicaciones reales.

En última instancia, este modelo responde a una idea sencilla: la investigación alcanza su máximo valor cuando consigue trascender el laboratorio. La capacidad de identificar tecnologías con potencial, validarlas y acompañarlas hasta su adopción permite que el conocimiento científico genere impacto real y contribuya a resolver desafíos tecnológicos, industriales y sociales.

Las tensiones geopolíticas, la dependencia tecnológica de determinados países y la creciente preocupación por la soberanía de los datos están impulsando una nueva tendencia: la geopatriación. El término, introducido recientemente, hace referencia al movimiento estratégico de datos, cargas de trabajo e infraestructuras digitales desde grandes plataformas globales hacia entornos locales o soberanos, motivado por riesgos geopolíticos y regulatorios.

Lejos de ser un debate puramente técnico, la geopatriación está empezando a influir en ámbitos críticos de la ciencia y la tecnología. Desde la inteligencia artificial y la computación en la nube hasta las cadenas de suministro científicas o la gestión de infraestructuras críticas, cada vez más organizaciones se preguntan no solo qué tecnología utilizan, sino también dónde reside, bajo qué jurisdicción opera y quién controla realmente sus datos.

¿Qué es exactamente la geopatriación?

La geopatriación puede entenderse como una evolución del concepto de cloud repatriation, pero impulsada menos por razones económicas y más por cuestiones de soberanía, seguridad y resiliencia tecnológica.

En términos prácticos, implica trasladar infraestructuras digitales, servicios en la nube o datos sensibles desde proveedores globales hacia alternativas nacionales, regionales o soberanas. Esto puede incluir centros de datos propios, nubes soberanas o proveedores tecnológicos sujetos a jurisdicciones consideradas más seguras o alineadas con los intereses estratégicos de un país o región.

Más del 75 % de las empresas europeas y de Oriente Medio podrían geopatriar parte de sus cargas de trabajo antes de 2030, frente a menos del 5 % en 2025.

La razón principal es clara: la infraestructura digital ya no se percibe únicamente como un recurso tecnológico, sino como un elemento de soberanía.

La geopatriación no implica necesariamente abandonar la globalización tecnológica, sino redefinirla. El objetivo no es aislarse, sino construir sistemas más resilientes, menos dependientes y capaces de operar incluso en escenarios de tensión internacional.

Este cambio también está modificando cómo se entiende la innovación científica. La capacidad de desarrollar tecnología propia, proteger infraestructuras críticas y garantizar autonomía digital empieza a considerarse una ventaja estratégica para universidades, centros de investigación y empresas tecnológicas.

En ese sentido, la geopatriación representa algo más profundo que una tendencia tecnológica: refleja una transformación en la relación entre ciencia, tecnología y soberanía.

De la globalización digital a la soberanía tecnológica

La geopatriación surge en un contexto donde la globalización tecnológica empieza a mostrar vulnerabilidades estructurales.

La pandemia, las tensiones comerciales entre Estados Unidos y China y los conflictos geopolíticos recientes han puesto de manifiesto hasta qué punto las cadenas de suministro y las infraestructuras digitales dependen de un pequeño número de actores globales. Investigaciones del National Bureau of Economic Research (NBER) describen este fenómeno como una “gran reasignación” de las cadenas globales de valor.

Este movimiento no se limita a la industria manufacturera. También afecta al almacenamiento de datos, los servicios cloud, los modelos de inteligencia artificial o la capacidad de procesar información crítica entro de una jurisdicción concreta.

En paralelo, conceptos como reshoring, friendshoring o soberanía tecnológica han empezado a integrarse en la estrategia científica e industrial de numerosos países. El reshoring hace referencia al retorno de capacidades productivas y tecnológicas hacia el país de origen, mientras que el friendshoring busca concentrar cadenas de suministro y colaboración tecnológica en países considerados aliados o políticamente estables. La soberanía tecnológica, por su parte, persigue reducir la dependencia de infraestructuras, datos y tecnologías críticas controladas por terceros. Todos estos enfoques comparten una misma lógica: reforzar el control y la resiliencia sobre recursos estratégicos en un contexto global cada vez más condicionado por factores geopolíticos.

Infraestructura, IA y centros de datos: el nuevo tablero geopolítico

Uno de los aspectos más visibles de la geopatriación es la transformación de la infraestructura digital.

Durante años, las grandes plataformas cloud concentraron buena parte del ecosistema tecnológico global. Hoy, muchas organizaciones buscan arquitecturas híbridas o soberanas que reduzcan la exposición geopolítica y mejoren el control sobre sus datos.

Esto está impulsando nuevas inversiones en:

• Centros de datos regionales
• Nubes soberanas
• Sistemas de almacenamiento locales
• Infraestructuras híbridas
• Plataformas de IA con control jurisdiccional

En este contexto, la localización de un centro de datos empieza a ser tan estratégica como la localización de una planta industrial o una red energética.

Casos reales: cuando la geopatriación deja de ser teoría

Aunque el concepto de geopatriación es relativamente reciente, sus efectos ya empiezan a verse en decisiones concretas de gobiernos, centros tecnológicos y grandes compañías. Más allá del debate estratégico, existen movimientos reales que muestran cómo la localización de los datos y la infraestructura digital se está convirtiendo en un asunto crítico.

Europa y las nubes soberanas

Uno de los ejemplos más claros es el impulso europeo hacia las llamadas nubes soberanas. Iniciativas como GAIA-X, respaldada por Alemania y Francia, nacieron con el objetivo de crear una infraestructura cloud interoperable y alineada con los estándares europeos de protección de datos y soberanía digital.

El proyecto surge, en parte, como respuesta a la fuerte dependencia de proveedores tecnológicos estadounidenses y a la preocupación por el acceso extraterritorial a datos sensibles. La idea es clara: determinados datos científicos, industriales o estratégicos deben permanecer bajo jurisdicción europea.

Infraestructura científica y datos estratégicos

La geopatriación también está empezando a influir en grandes infraestructuras científicas internacionales. En áreas como computación de alto rendimiento, inteligencia artificial o investigación biomédica, cada vez más países buscan garantizar que determinados datos críticos permanezcan dentro de sus propias jurisdicciones.

Un ejemplo claro es el desarrollo de la iniciativa europea EuroHPC, creada para reforzar capacidades propias de supercomputación e inteligencia artificial dentro de Europa. El proyecto combina centros de datos, supercomputadores y plataformas de IA avanzadas bajo infraestructura europea, con el objetivo de reducir dependencias tecnológicas externas en investigación estratégica.

Chips, IA y soberanía tecnológica

El control de la capacidad computacional se ha convertido en otro de los grandes ejes estratégicos de esta reorganización tecnológica. El entrenamiento de modelos avanzados de inteligencia artificial, la simulación científica o el procesamiento masivo de datos dependen de semiconductores de última generación y sistemas de alto rendimiento cuya producción global está concentrada en muy pocos actores.

El European Chips Act, por ejemplo, busca reducir la dependencia europea de Asia en componentes críticos para IA, computación y telecomunicaciones.

Esta estrategia responde a una preocupación creciente: la posibilidad de que tensiones geopolíticas o interrupciones en la cadena de suministro comprometan infraestructuras científicas y tecnológicas clave.

El papel de los centros de investigación

Los centros de investigación tienen un papel especialmente relevante en este escenario. Son espacios donde se generan tecnologías sensibles, modelos avanzados y propiedad intelectual estratégica, muchas veces vinculados a sectores críticos como inteligencia artificial, biotecnología, computación cuántica o ciberseguridad.

La necesidad de garantizar soberanía tecnológica está impulsando nuevas formas de colaboración entre investigación, industria e instituciones públicas, especialmente en Europa. La capacidad de desarrollar conocimiento propio y mantener el control sobre infraestructuras y datos empieza a ser tan importante como la propia innovación científica.

En este contexto se sitúan iniciativas como ARQUIMEA Research Center y su proyecto QCIRCLE, orientados al desarrollo de capacidades propias en áreas como computación cuántica, fotónica o inteligencia artificial. Más allá de la investigación fundamental, proyectos de este tipo reflejan una tendencia creciente: reforzar ecosistemas tecnológicos capaces de generar innovación estratégica desde Europa, reduciendo dependencias externas en ámbitos considerados críticos para el futuro científico e industrial.

Décadas después, la luna vuelve a ser el centro del tablero con programas como Artemis, impulsado por la NASA, las iniciativas lunares de China o misiones de agencias como ESA, JAXA e ISRO. Esta vez el objetivo no es solo llegar, sino establecer una presencia sostenida y convertirla en un punto clave para el futuro de la exploración espacial.

¿Por qué volvemos a la Luna?

El interés por la luna ha evolucionado de forma significativa en las últimas décadas: pasamos de la exploración puntual a la presencia sostenida.

Por un lado, la luna ofrece un enorme valor científico y de recursos. Su superficie permite estudiar la historia del sistema solar y pr9obar tecnologías en un entorno real antes de misiones más lejanas. Además, regiones como el polo sur concentran gran interés por la posible presencia de agua.

A nivel estratégico, la luna se está consolidando como una plataforma para la exploración del espacio profundo. Serviría como plataforma para misiones de larga duración y como paso intermedio hacia Marte.

La luna desempeñará un papel central como nodo logístico, tecnológico y científico.

La Luna como entorno extremo: los retos tecnológicos clave

Operar en la superficie lunar implica enfrentarse a un entorno altamente hostil, donde las condiciones extremas condicionan el diseño de cualquier sistema.

• Temperaturas extremas: se experimentan variaciones térmicas muy severas, de entre -170ºC durante la noche y más de 120ºC durante el día. Estos ciclos, con noches que duran aproximadamente 14 días, obligan a diseñar sistemas capaces de soportar largos periodos sin radiación solar.
• Polvo lunar y el regolito: el polvo lunar es altamente abrasivo y se adhiere a las superficies por efectos electrostáticos, afectando a equipos críticos como radiadores o sensores y siendo especialmente difícil de eliminar.
• Impacto en los sistemas: estas condiciones hacen imprescindible el uso de tecnologías robustas, especialmente en control térmico, para garantizar el funcionamiento y la supervivencia de los sistemas durante la misión.

Sistemas térmicos: tecnología crítica para operar en la luna

El control térmico es un elemento esencial en cualquier misión lunar. Las condiciones extremas obligan a gestionar de forma eficiente el calor generado por los equipos y protegerlos frente a temperaturas fuera de rango. Para hacer frente a estos desafíos, empleamos distintas tecnologías de control térmico adaptadas al entorno espacial.

• Heat pipes y Loop Heat Pipes: permiten transportar el calor de forma pasiva desde los equipos hasta las zonas de disipación, con alta fiabilidad y sin consumo energético.
• Radiadores: se encargan de disipar el calor al espacio, siendo clave para mantener el equilibrio térmico del sistema.
• Mantas térmicas: actúan como aislamiento, reduciendo el intercambio de calor con el entorno y protegiendo los sistemas frente a las variaciones térmicas extremas.

Todas estas tecnologías son esenciales porque garantizan el correcto funcionamiento de los sistemas en un entorno donde no existen mecanismos naturales de regulación térmica. Sin una gestión adecuada del calor se compr0mete la misión. Además, al tratarse de sistemas en gran medida pasivos, aportan fiabilidad y reducen la dependencia de consumo energético, un factor crítico en operaciones lunares.

ARQUIMEA en la Luna

En este contexto de creciente actividad lunar, desde ARQUIMEA participamos en algunas de las principales misiones internacionales, aportando tecnologías clave para el control térmico y los sistemas termo-estructurales, contribuyendo a garantizar la fiabilidad y el rendimiento de los sistemas en un entorno tan exigente.

LUPEX (Lunas Polar Exploration Mission)

LUPEX es una misión internacional centrada en la exploración del polo sur lunar, una región especialmente relevante por la posible presencia de agua helada y otros recursos clave para futuras misiones. Liderada por la agencia japonesa JAXA, con la participación de ISRO y colaboración internacional, esta misión tiene como objetivo avanzar en el conocimiento de la superficie lunar y validar tecnologías necesarias para una presencia sostenida.

En este contexto, contribuimos al desarrollo del sistema de control térmico del lander mediante Loop Heat Pipes (LHPs), encargadas de transportar el calor de forma pasiva y mantener los equipos dentro de sus rangos operativos.

Multi-purpose Habitat (Programa Artemis)

En el marco del programa Artemis, el Multi-purpose Habitat (MPH) es un hábitat presurizado diseñado para permitir estancias prolongadas en la superficie lunar, un paso clave hacia la presencia sostenida.

Desde ARQUIMEA Participamos en el desarrollo de este sistema mediante el diseño y fabricación de un radiador desplegable encargado de disipar el calor del fluido térmico antes de su recirculación dentro del módulo. Este tipo de solución resulta esencial para mantener condiciones térmicas estables en entornos dodne la gestión del calor es especialmente crítica. Actualmente, el proyecto se encuentra en fases iniciales de desarrollo, ligado a las etapas posteriores de Artemis III.

Power and Propulsion Element (Lunar Gateway)

Dentro de la infraestructura orbital del programa Artemis, el módulo PPE es el elemento de potencia y propulsión del Lunar Gateway, encargado de proporcionar potencia, capacidad de maniobra y control orbital a la estación.

En este contexto, participamos como proveedor de paneles termo-estructurales, integrando soluciones que combinan funciones estructurales y de control térmico. Estos elementos incorporan tecnologías como heat pipes y superficies ópticas, contribuyendo a gestionar el calor y garantizar la estabilidad de los sistemas.

Recientemente la NASA anunció un cambio de planes en su estrategia lunar. La Lunar Gateway no seguirá adelante y la Administración norteamericana ha decidido establecer directamente una base en la Luna. En este nuevo contexto, se está estudiando la opción de que el PPE viaje a Marte con un reactor nuclear como prototipo de sistema de transporte al planeta rojo.

La Luna como infraestructura del futuro

La exploración lunar está convirtiendo a la luna en una infraestructura clave dentro del ecosistema espacial. Deja de ser un destino puntual para convertirse en un enclave estratégico.

Su valor no se limita al ámbito científico, sino que abarca también el desarrollo tecnológico, la validación de sistemas en condiciones reales y su papel como nodo logístico en órbita y superficie. Iniciativas como Artemis o la evolución del Lunar Gateway reflejan este cambio de enfoque, orientado a establecer capacidades permanentes que permitan operar de forma continuada.

En este contexto, la luna se posiciona como un paso intermedio esencial hacia misiones más ambiciosas, como la exploración de Marte y otros planetas, y como un elemento central en el desarrollo de la futura economía espacial.

En un entorno tan exigente, los sistemas térmicos se consolidan como un elemento crítico de misión, imprescindible para garantizar el funcionamiento y la fiabilidad de los sistemas. En este escenario, la participación en programas internacionales refuerza el papel de ARQUIMEA como proveedor de tecnologías clave en múltiples misiones lunares.

En un contexto global donde la competitividad tecnológica es clave, proteger la innovación no es únicamente una cuestión legal. Es una forma de asegurar que lo que se investiga pueda desarrollarse, escalarse y llegar a la sociedad. Según la World Intellectual Property Organization, en 2023 se registraron más de 3,5 millones de solicitudes de patente a nivel mundial, una cifra récord que refleja la creciente importancia de convertir el conocimiento en valor tangible.

¿Qué es la propiedad intelectual en investigación?

La propiedad intelectual engloba los derechos que protegen las creaciones del intelecto humano, desde invenciones hasta software, procesos o diseños. Dentro de este marco existen distintas formas de protección, como las patentes, los derechos de autor, las marcas o los diseños industriales, cada una adaptada a diferentes tipos de innovación. En el ámbito científico y tecnológico, la herramienta más relevante suele ser la patente, que otorga a su titular el derecho exclusivo de explotación de una invención durante un periodo determinado, normalmente 20 años.

Las patentes desempeñan un papel central en el ecosistema de innovación, ya que permiten proteger los resultados de investigación y facilitar su transferencia hacia aplicaciones reales. En la práctica, actúan como un mecanismo que conecta el conocimiento científico con su desarrollo industrial, al ofrecer un marco que incentiva la inversión y la colaboración entre centros de investigación y empresas.

En los centros de investigación, esto es especialmente relevante porque gran parte del conocimiento generado se encuentra en fases tempranas, cuando todavía no existe un producto final, pero sí un alto potencial de aplicación.

El papel de las patentes en los centros de investigación

Los centros de investigación, como ARQUIMEA Research Center,  ocupan una posición clave dentro de la cadena de innovación. Es en estos entornos donde surgen muchas de las ideas que, con el tiempo, acaban convirtiéndose en tecnologías aplicadas o soluciones con impacto real en la industria. Una parte significativa de la innovación en sectores como la biotecnología, la energía o las tecnologías digitales tiene su origen en universidades y centros científicos.

Las patentes también desempeñan un papel fundamental para que ese conocimiento no se quede limitado al ámbito académico. Permiten estructurar y proteger los resultados de investigación, facilitando su transferencia a empresas, su desarrollo como nuevos productos y su capacidad para atraer inversión. En ese proceso, la propiedad intelectual actúa como un vínculo esencial entre la investigación básica y su aplicación práctica.

Publicar o proteger: una decisión estratégica

Uno de los dilemas más interesantes en investigación es encontrar el equilibrio entre publicar y proteger.

La publicación científica es esencial para el avance del conocimiento, pero si se realiza antes de registrar una patente, puede impedir que la invención sea protegida. Esto obliga a los centros de investigación a integrar la gestión de la propiedad intelectual dentro del propio proceso científico.

Por ejemplo, la Organización para la Cooperación y el Desarrollo Económico (OECD) destaca que la colaboración entre centros de investigación e industria es uno de los factores más importantes para transformar el conocimiento en innovación económica.

Por este motivo, cada vez más instituciones cuentan con estructuras específicas para gestionar este equilibrio, como oficinas de transferencia tecnológica o equipos especializados en propiedad intelectual.

Datos que ayudan a entender su impacto

Más allá del marco teórico, hay una serie de indicadores que permiten dimensionar el peso real de la propiedad intelectual en el sistema científico y tecnológico actual.

Uno de los más reveladores es el cambio en la naturaleza del valor empresarial. Hoy, más del 90 % del valor de las compañías del S&P 500 está vinculado a activos intangibles, como patentes, conocimiento técnico y capacidades de innovación, dato que refleja un cambio profundo en la economía global, donde el conocimiento protegido se ha convertido en el principal motor de generación de valor.

En el ámbito científico, el impacto de la propiedad intelectual también se percibe en los tiempos de desarrollo. En sectores como la biomedicina, el recorrido desde una invención patentada hasta su aplicación comercial puede superar los 10 años. Esto pone de manifiesto la importancia de proteger los resultados desde fases muy tempranas, cuando todavía no existe un producto final, pero sí una base tecnológica con potencial de desarrollo.

Por otro lado, la distribución de las solicitudes de patente a nivel global permite identificar hacia dónde se dirige la innovación. Tecnologías como la inteligencia artificial, la biotecnología o las energías limpias concentran gran parte del crecimiento, lo que indica no solo dónde se está investigando más, sino también dónde se están generando las capacidades que definirán el futuro tecnológico.

En conjunto, estos datos muestran que la propiedad intelectual no es un elemento accesorio, sino una infraestructura clave del sistema de innovación.

Retos actuales en propiedad intelectual

A pesar de su relevancia, la gestión de patentes en investigación presenta varios desafíos. Uno de los principales es la complejidad tecnológica. Las innovaciones actuales suelen combinar múltiples disciplinas, lo que dificulta definir con precisión qué es patentable y cómo protegerlo.

Otro reto importante es el coste y la duración del proceso. La protección internacional requiere tiempo, recursos y una estrategia clara. También existe una tensión constante entre acceso abierto al conocimiento y protección intelectual. La ciencia avanza compartiendo resultados, pero la innovación necesita protegerlos para desarrollarse.

Por último, la competencia global en tecnología hace que la propiedad intelectual sea cada vez más estratégica, especialmente en áreas críticas como la inteligencia artificial, la biotecnología o la computación cuántica.

Más allá de la protección: la propiedad intelectual como activo estratégico

Hoy en día, la propiedad intelectual se entiende cada vez más como un activo estratégico.

Una cartera sólida de patentes permite posicionar a un centro en áreas tecnológicas clave, facilitar colaboraciones internacionales, generar ingresos mediante licencias y aumentar la capacidad de transferencia tecnológica.

En este contexto, la propiedad intelectual deja de ser un elemento administrativo para convertirse en una parte central de la estrategia científica y tecnológica.

Propiedad intelectual en ARQUIMEA Research Center

En ARQUIMEA Research Center, la propiedad intelectual forma parte integral del proceso de investigación. No se trata solo de proteger resultados, sino de identificar qué desarrollos tienen potencial real para convertirse en soluciones aplicables. Para ello, se combinan distintas modalidades de protección, como patentes, marcas, diseños industriales, secretos industriales o derechos de autor, con el objetivo de reforzar la protección de cada innovación desde múltiples ángulos. Este enfoque permite adaptar la estrategia de PI a la naturaleza de cada desarrollo y maximizar su valor a largo plazo.

Además, ARQUIMEA diversifica sus modelos de explotación de propiedad intelectual mediante acuerdos de licencia, lo que facilita la transferencia de tecnología y su desarrollo en entornos especializados.

Actualmente, el centro cuenta con actividad patentadora en múltiples áreas, incluyendo biotecnología, robótica, ciberseguridad e inteligencia artificial, lo que refleja la amplitud de su enfoque tecnológico y su apuesta por convertir el conocimiento en innovación con impacto real, asegurando que el conocimiento generado tenga recorrido más allá del laboratorio.

En este contexto, las heat pipes, dispositivos pasivos que transfieren el calor mediante el calor latente asociado a cambios de fase de un fluido interno, se han consolidado como un componente esencial en la arquitectura térmica de satélites y misiones espaciales. Su capacidad para transferir calor de manera eficiente, sin partes móviles y con una elevada fiabilidad, las convierte en una solución clave para mantener los sistemas dentro de rangos operativos seguros.

Sin embargo, el rendimiento de las heat pipes en el espacio no depende únicamente de su diseño estructural, el fluido de trabajo que circula en su interior es el verdadero responsable de su comportamiento térmico. En el sector espacial, el amoniaco se ha consolidado como uno de los fluidos de trabajo más utilizado en heat pipes, ya que ofrece un rendimiento térmico especialmente eficiente en el rango de temperaturas en el que suelen operar estos sistemas.

¿Qué son las heat pipes?

Son dispositivos de transferencia de calor basados en la doble fase sellados herméticamente y diseñadas para transportar grandes flujos de calor con gradientes de temperatura mínimos. Su funcionamiento se basa en el cambio de fase de un fluido de trabajo contenido en su interior y en la acción de una estructura capilar que genera la fuerza necesaria para impulsar la circulación del fluido y cerrar el ciclo entre evaporación y condensación.

Principio de funcionamiento

Desde el punto de vista físico, la operación de una heat pipe se estructura en tres procesos principales:

1. Evaporación: el fluido de trabajo absorbe calor y se transforma en vapor en la zona caliente.
2. Transporte de vapor: el vapor generado se desplaza de forma natural hacia la zona más fría, llevando consigo el calor con pérdidas mínimas.
3. Condensación y retorno capilar: en el condensador, el vapor libera calor latente y se condensa. El líquido resultante retorna al evaporador a través de la estructura capilar. Este mecanismo permite el funcionamiento en ausencia de gravedad.

Las heat pipes son sistemas completamente pasivos: no requieren bombas, compresores ni suministro energético externo para operar. La circulación del fluido se produce exclusivamente por diferencias de presión y fuerzas capilares internas. Esta arquitectura elimina elementos susceptibles de desgaste mecánico, lo que se traduce en una vida útil muy elevada y una probabilidad de fallo extremadamente baja.

Ventajas frente a otros sistemas de control térmico

Frente a soluciones basadas en conducción maciza o sistemas activos de refrigeración, las heat pipes presentan ventajas claras:

• Capacidad para transportar flujos térmicos elevados con gradientes de temperatura reducidos.
• Distribución homogénea del calor en estructuras satelitales.
• Ausencia de vibraciones o interferencias mecánicas.
• Funcionamiento estable en microgravedad gracias al retorno capilar.
• Menor complejidad estructural y reducción de masa respecto a sistemas activos.

En plataformas espaciales, donde las restricciones de peso, volumen y consumo energético son estrictas, estas características convierten a las heat pipes en una solución técnicamente superior para la gestión térmica pasiva. En el espacio no existe convección, por lo que el calor solo puede gestionarse mediante conducción y radiación.

El papel del fluido de trabajo en una heat pipe

El fluido de trabajo es el elemento central de una heat pipe. Su comportamiento termodinámico es el que hace posible el ciclo de evaporación y condensación que permite transportar calor con alta eficiencia. Sin un fluido adecuadamente seleccionado, el dispositivo pierde su capacidad de funcionar como sistema bifásico estable.

Existe una relación directa entre el fluido elegido y el rango de temperatura operativo. La presión interna, la temperatura de cambio de fase, el calor latente y la compatibilidad con los materiales del tubo determinan el rendimiento global. Un fluido optimizado para el rango térmico previsto maximiza la capacidad de transporte de calor y minimiza los gradientes de temperatura.

Por ello, la selección del fluido no es una decisión secundaria, sino un criterio de diseño fundamental que debe ajustarse a las condiciones reales de la misión y al entorno térmico previsto.

La ventajas del amoniaco frente a otros fluidos

En rangos de temperatura estándar para aplicaciones espaciales, el amoniaco se considera el fluido de referencia en heat pipes. Su comportamiento termodinámico ofrece un equilibrio óptimo entre temperatura de cambio de fase, presión de operación y calor latente, lo que permite transportar cantidades significativas de energía con gradientes térmicos reducidos.

Su alta eficiencia en transferencia de calor se debe precisamente a ese calor latente elevado y a unas propiedades que favorecen ciclos de evaporación y condensación estables. Esto se traduce en una respuesta térmica predecible y en una gran capacidad para redistribuir el calor en estructuras satelitales.

Desde el punto de vista operativo, el amoniaco presenta además una estabilidad adecuada dentro de su rango de trabajo y una compatibilidad consolidada con los materiales habitualmente empleados en aplicaciones espaciales.

Por todo ello, cuando la misión se sitúa dentro de rangos térmicos estándar, el amoniaco ofrece el mejor compromiso entre rendimiento, estabilidad y fiabilidad, lo que explica su uso generalizado en plataformas espaciales.

Otros fluidos según el rango térmico

Aunque el amoniaco es la opción más eficiente en rangos estándar, la selección del fluido depende siempre del entorno térmico previsto.

Para aplicaciones de muy baja temperatura se emplean fluidos como el propileno o el etano, capaces de operar de forma estable en condiciones donde el amoniaco no sería óptimo o incluso no podría trabajar. En el extremo opuesto, cuando se requieren rangos de temperatura elevados, el tolueno se convierte en una alternativa adecuada por sus propiedades de fase a temperaturas superiores.

El agua, pese a su uso extendido en aplicaciones terrestres, no resulta viable en este tipo de soluciones cuando existe riesgo de temperaturas por debajo de 0º. Su congelación puede generar expansiones internas que comprometan la integridad del recipiente sellado, provocando daños estructurales.

En consecuencia, la elección del fluido responde estrictamente al rango térmico de la misión, siendo el amoniaco la solución más eficiente cuando se opera dentro de condiciones estándar.

En ARQUIMEA contamos con más de 20 años de experiencia en el desarrollo de soluciones térmicas para aplicaciones espaciales e industriales de alta exigencia, diseñando y fabricando heat pipes adaptadas a los requisitos específicos de cada misión y rango operativo. Nuestra trayectoria nos permite ofrecer sistemas optimizados en rendimiento, fiabilidad y durabilidad, alineados con los estándares más exigentes del sector.

Durante mucho tiempo, la investigación se ha visto obligada a trabajar sobre ese desfase: detectar el daño cuando ya era visible, intervenir cuando la enfermedad estaba avanzada. La posibilidad de identificar cambios biológicos antes de que aparezcan los síntomas, junto con una comprensión más detallada de los mecanismos celulares implicados, está originando un cambio que no solo es conceptual: también abre la puerta a intervenir antes, con mayor precisión y, potencialmente, con mayor impacto.

Los trastornos neurológicos representan actualmente una de las principales causas de discapacidad y mortalidad en el mundo. Se estima que más de 55 millones de personas viven actualmente con demencia a nivel global, cifra que podría duplicarse en las próximas décadas. En paralelo, la carga sanitaria y económica asociada a patologías como el Parkinson, la esclerosis lateral amiotrófica o las ataxias hereditarias sigue aumentando en sociedades cada vez más envejecidas.

Un grupo heterogéneo con bases comunes

Bajo el término “enfermedades neurodegenerativas” se agrupan patologías muy distintas entre sí, pero que comparten un mismo patrón biológico: la pérdida progresiva de neuronas, la acumulación de proteínas mal plegadas y un deterioro gradual de los mecanismos que mantienen el equilibrio celular. Lo que cambia de una a otra no es tanto la naturaleza del proceso como su localización, su ritmo y las funciones que termina afectando.

Entre las más estudiadas se encuentran algunas enfermedades que, aunque bien conocidas, siguen planteando grandes incógnitas:

• Enfermedad de Alzheimer, la forma más frecuente de demencia, que se manifiesta inicialmente como pérdida de memoria y deterioro cognitivo progresivo. A nivel biológico, se asocia a la acumulación de beta-amiloide y tau, dos proteínas que alteran la comunicación entre neuronas y acaban comprometiendo su supervivencia.
• Enfermedad de Parkinson, caracterizada por la pérdida de control motor, temblores y rigidez muscular. En este caso, el problema se origina en la degeneración de neuronas que producen dopamina, junto con la acumulación de alfa-sinucleína en estructuras conocidas como cuerpos de Lewy.
• Esclerosis lateral amiotrófica (ELA), una enfermedad especialmente agresiva que afecta a las motoneuronas encargadas de controlar el movimiento voluntario. A medida que estas neuronas degeneran, el paciente pierde progresivamente la capacidad de moverse, hablar o respirar, mientras que las funciones cognitivas suelen mantenerse intactas en muchas fases de la enfermedad.
• Enfermedades priónicas, mucho menos frecuentes, pero de evolución extremadamente rápida, en las que una proteína mal conformada induce un efecto en cadena que altera otras proteínas sanas, provocando un deterioro neurológico severo en muy poco tiempo.

Durante años, la investigación se centró en estas proteínas agregadas como causa principal del daño neuronal. Sin embargo, el conocimiento actual apunta a un escenario más complejo. Hoy se entiende que en estas enfermedades convergen múltiples procesos biológicos, como la disfunción mitocondrial, las alteraciones en el metabolismo energético, los fallos en los sistemas de degradación celular, la neuroinflamación o la predisposición genética. Esta visión más integrada, respaldada por estudios recientes, ha desplazado la idea de un único desencadenante hacia la de redes patológicas interconectadas, donde varios factores interactúan y se refuerzan mutuamente.

Del síntoma al mecanismo molecular

En la investigación de las enfermedades neurodegenerativas, el análisis clínico de los síntomas ha sido durante décadas la base para comprender y diagnosticar estas patologías. En los últimos años, este enfoque se ha ido complementando con una mayor atención a los procesos biológicos que preceden a esos síntomas, ampliando así la capacidad de caracterizar la enfermedad en fases más tempranas.

En el Alzheimer, por ejemplo, los criterios de la Alzheimer’s Association incorporan indicadores biológicos medibles, como la acumulación de beta-amiloide o tau, detectables mediante PET o análisis de líquido cefalorraquídeo incluso antes de que aparezcan los síntomas. Este cambio permite identificar la enfermedad en fases mucho más tempranas.

Este enfoque ha influido directamente en el desarrollo terapéutico. Los anticuerpos dirigidos contra la proteína beta-amiloide, aunque con resultados clínicos aún debatidos, reflejan un intento de intervenir sobre el mecanismo subyacente en lugar de limitarse a tratar los síntomas.

En paralelo, la secuenciación genética ha permitido identificar subtipos moleculares en enfermedades como la ELA, además de poder clasificar la enfermedad como esporádica (90-95% de los casos) o familiar (5-10%). Mutaciones en genes como SOD1 han abierto la puerta a terapias específicas, como los oligonucleótidos antisentido, diseñados para reducir la producción de proteínas alteradas. Este tipo de estrategias representa uno de los primeros avances hacia una medicina de precisión en neurodegeneración.

ELA: un paradigma de urgencia científica

La esclerosis lateral amiotrófica ocupa un lugar particular en este panorama. Es una enfermedad poco frecuente, pero devastadora, con una supervivencia media de tres a cinco años tras el diagnóstico, el cual ocurre cuando los síntomas ya llevan mucho tiempo manifestándose en los pacientes. Afecta selectivamente a motoneuronas corticales y espinales, lo que conduce a debilidad muscular progresiva y fallo respiratorio.

Durante años, las opciones terapéuticas fueron escasas y de impacto modesto. Sin embargo, la identificación de subtipos genéticos y la comprensión de los procesos celulares implicados están reconfigurando la investigación en este campo. Iniciativas internacionales como el consorcio Project MinE han generado bases de datos genómicas a gran escala para acelerar el descubrimiento de dianas terapéuticas.

La ELA ilustra bien cómo el conocimiento sobre estas enfermedades se está ampliando. Hoy se entiende cada vez más como un conjunto de alteraciones moleculares que convergen en un fenotipo clínico común, en lugar de una entidad completamente uniforme. Esta mayor caracterización biológica permite plantear estrategias terapéuticas más específicas, aunque también introduce nuevos retos en el diseño de ensayos clínicos, que deben adaptarse a una mayor diversidad de perfiles de pacientes.

Más allá de las neuronas: el papel del entorno celular

Otra transformación relevante es el reconocimiento del papel de células no neuronales. La activación de microglía y astrocitos, la alteración de la barrera hematoencefálica y la participación del sistema inmunitario periférico forman parte del paisaje patológico. La neurodegeneración se entiende cada vez más como un proceso multicelular.

Esta ampliación del foco ha estimulado la búsqueda de terapias que modulen la inflamación, el metabolismo o la comunicación intercelular. El reto consiste en intervenir sin comprometer funciones fisiológicas esenciales, lo que exige una comprensión fina de los equilibrios biológicos implicados.

Molefy Pharma y la apuesta por nuevas dianas

En este contexto, las spin-offs biotecnológicas están desempeñando un papel cada vez más relevante al trasladar el conocimiento científico hacia soluciones terapéuticas concretas. En ARQUIMEA, esta apuesta se materializa en Molefy Pharma, una compañía nacida en 2024 con un objetivo claro: desarrollar terapias capaces de cambiar el curso de las enfermedades neurodegenerativas, con un enfoque prioritario en la esclerosis lateral amiotrófica (ELA).

A diferencia de aproximaciones más tradicionales, Molefy Pharma centra su investigación en la identificación de nuevas dianas moleculares que permitan intervenir en los procesos celulares que impulsan la enfermedad. Su línea principal se orienta al desarrollo de AP-2, una pequeña molécula diseñada para restaurar el equilibrio celular mediante la regulación de una quinasa clave implicada en la homeostasis de la proteína TDP-43, cuya acumulación anormal está presente en la gran mayoría de los casos de ELA.

Este enfoque no busca únicamente ralentizar la progresión de la enfermedad, sino ir un paso más allá: intervenir sobre los mecanismos que la originan con el objetivo de revertir la disfunción celular. Los datos obtenidos en modelos celulares derivados de pacientes y en estudios animales preclínicos muestran un perfil prometedor, tanto en eficacia como en seguridad, lo que sitúa a este tipo de estrategias en una posición relevante dentro del desarrollo terapéutico actual.

El trabajo de Molefy Pharma refleja una tendencia más amplia en el campo: avanzar hacia terapias que actúen sobre procesos biológicos específicos, integrando el conocimiento molecular con el desarrollo farmacéutico. En enfermedades como la ELA, donde la urgencia clínica es especialmente alta, esta aproximación no solo amplía el abanico de opciones, sino que introduce una expectativa distinta, la de intervenir de forma más directa sobre la base de la enfermedad.

En ese sentido, la investigación en neurodegeneración ya no se limita a describir el deterioro, sino a comprenderlo con suficiente precisión como para intentar modificarlo. Es en esa intersección entre ciencia fundamental y desarrollo aplicado donde iniciativas como Molefy Pharma encuentran su razón de ser, aportando nuevas herramientas a un campo que, hasta hace poco, ofrecía pocas alternativas terapéuticas reales.