Compartimos la conformación de la Mesa Directiva de la Academia Nacional de Ciencias Exactas, Físicas y Naturales para el período 2026-2028. @ADickenstein @dr_kuato @BallareCL @AElgoyhen @MigueLaborde @poldiego

No sé lo pierdan!

Becas de la @AncefnA para ALUMNOS de GRADO (de Licenciatura) de Matemática y Biología de la FCEN de la UBA. Inscripción hasta el 6 de mayo

"Ciencia bajo asedio". "Noticias para abrir el cerco”, el último anuario de la Red Argentina de Periodismo Científico (RADPC). Link radpc.org/institucional/hist…

One million defend Argentina's glaciers after law reform scidev.net/global/news/one-m…

Les compartimos una declaración de la Academia Nacional de Cs. Exactas, Físicas y Naturales @AncefnA : "ACCIONES PARA UN PAÍS QUE SE APOYE EN LA CIENCIA Y EN LA TECNOLOGÍA"

Vale la pena que lo lean quienes no entienden la importancia de apoyar la ciencia para el desarrollo del país

Podemos prescindir de casi todo, pero no del agua...

Genial, Atenea funciona, felicitaciones!

SIAM is pleased to announce the launch of the SIAM Journal on Life Sciences, a new peer reviewed journal dedicated to advancing quantitative life sciences research through rigorous mathematical and computational approaches. Fully open for 2 years epubs.siam.org/journal/sjlsa…

El Institute of Mathematical Sciences of the Americas ha reconocido al Dr. Guillermo Cortiñas con el premio IMSA Established Mathematician Award. @gcortiw

El Institute of Mathematical Sciences of the Americas ha reconocido a la Dra. Alicia Dickenstein con el premio Latin American Mathematical Leadership IMSA Award. @ADickenstein

Tomorrow, Monday Fe. 9, Marcos Jardim in the Orbita Mathematics Webinar! Check the time and the abstract in the flyer

🔵68° ANIVERSARIO ➡️ El CONICET cumple 68 años. Fue creado el 5 de febrero de 1958 y el Dr. Bernardo Houssay, Premio Nobel de Medicina, fue su fundador y primer presidente.🥼🔬 🇦🇷 Desde entonces, es la principal institución dedicada a la promoción y desarrollo de la Ciencia y la Tecnología en Argentina, en todo el territorio nacional y en las distintas áreas del conocimiento. 🤝 Con el compromiso de generar conocimiento e innovaciones, responder a las demandas de la sociedad y contribuir al desarrollo nacional.

"First Proof" (by Mohammed Abouzaid, Andrew J. Blumberg, Martin Hairer, Joe Kileel, Tamara G. Kolda, Paul D. Nelson, Daniel Spielman, Nikhil Srivastava, Rachel Ward, Shmuel Weinberger, Lauren Williams): arxiv.org/abs/2602.05192

Happy!

Ayer recibimos estos premios del IMSA! 🍸🍸🍸

Hoy recibí una hermosa sorpresa de la Asociación de Estudiantes de Matemática de Cosra Rica: me nombraron "Personaje Matemática del Año 2026"!

Declaración de la Academia Nacional de Ciencias Exactas, Físicas y Naturales: "Ante las alarmas de arsénico en el agua". Académico Víctor A. Ramos, Secretario General ANCEFN.

This paper from Harvard and MIT quietly answers the most important AI question nobody benchmarks properly: Can LLMs actually discover science, or are they just good at talking about it? The paper is called “Evaluating Large Language Models in Scientific Discovery”, and instead of asking models trivia questions, it tests something much harder: Can models form hypotheses, design experiments, interpret results, and update beliefs like real scientists? Here’s what the authors did differently 👇 • They evaluate LLMs across the full discovery loop hypothesis → experiment → observation → revision • Tasks span biology, chemistry, and physics, not toy puzzles • Models must work with incomplete data, noisy results, and false leads • Success is measured by scientific progress, not fluency or confidence What they found is sobering. LLMs are decent at suggesting hypotheses, but brittle at everything that follows. ✓ They overfit to surface patterns ✓ They struggle to abandon bad hypotheses even when evidence contradicts them ✓ They confuse correlation for causation ✓ They hallucinate explanations when experiments fail ✓ They optimize for plausibility, not truth Most striking result: `High benchmark scores do not correlate with scientific discovery ability.` Some top models that dominate standard reasoning tests completely fail when forced to run iterative experiments and update theories. Why this matters: Real science is not one-shot reasoning. It’s feedback, failure, revision, and restraint. LLMs today: • Talk like scientists • Write like scientists • But don’t think like scientists yet The paper’s core takeaway: Scientific intelligence is not language intelligence. It requires memory, hypothesis tracking, causal reasoning, and the ability to say “I was wrong.” Until models can reliably do that, claims about “AI scientists” are mostly premature. This paper doesn’t hype AI. It defines the gap we still need to close. And that’s exactly why it’s important.