Determinación del cambio de masa de dispositivos de almacenamiento digital mediante simulación en MATLAB aplicando la ecuación E = mc²
PDF

Palabras clave

energía
masa
memoria usb
relatividad
simulación

Cómo citar

Chávez-López, A. (2025). Determinación del cambio de masa de dispositivos de almacenamiento digital mediante simulación en MATLAB aplicando la ecuación E = mc². UVserva, (20), 173–181. https://doi.org/10.25009/uvs.vi20.3070

Resumen

Este estudio aborda la relación entre la energía almacenada y el cambio de masa en dispositivos de almacenamiento digital, específicamente en memorias USB, a través de la ecuación de Einstein E = mc². Aunque los datos almacenados no tienen peso significativo, teóricamente podrían provocar un cambio minúsculo en la masa debido a la energía involucrada en el proceso de almacenamiento de información. Se propone un modelo matemático que calcula la energía consumida y el cambio de masa asociado al almacenamiento de datos. A través de simulaciones en MATLAB, se valida el modelo teórico, observando que el cambio de masa es extremadamente pequeño (en el orden de femtogramos) y no medible con la tecnología actual. Los resultados destacan la importancia de la relatividad en sistemas a escala nano y cuántica, sugiriendo aplicaciones futuras en nanotecnología, computación cuántica y metrología de alta precisión. Aunque el impacto práctico es nulo con la tecnología actual, los resultados teóricos podrían ser relevantes en el diseño de sistemas de almacenamiento de energía a escala nanométrica.

https://doi.org/10.25009/uvs.vi20.3070
PDF

Citas

Bennett, C. H. (1982). The thermodynamics of computation—A review. International Journal of Theoretical Physics, 21(12), 905–940. https://doi.org/10.1007/BF02084158

Bérut, A., Arakelyan, A., Petrosyan, A., Ciliberto, S., Dillenschneider, R. y Lutz, E. (2012). Experimental verification of Landauer’s principle linking information and thermodynamics. Nature, 483(7389), 187–189. https://doi.org/10.1038/nature10872

Chen, L., Liu, M. y Wang, Y. (2024). Energy impact of machine learning algorithms on hardware: A simulation study. Journal of Computer Science and Technology, 39(2), 245–260.

Cohen, E. R., Cvitanović, P., y Taylor, B. N. (2019). The 2018 CODATA recommended values of the fundamental physical constants. Reviews of Modern Physics, 91(3), 030001. https://doi.org/10.1103/RevModPhys.91.030001

Einstein, A. (1905). Zur Elektrodynamik bewegter Körper. Annalen der Physik, 17(10), 891–921. https://doi.org/10.1002/andp.19053221004

Einstein, A. (1915). Die Grundlage der allgemeinen Relativitätstheorie. Annalen der Physik, 49(7), 769–822. https://doi.org/10.1002/andp.19163540702

Feynman, R. P., Leighton, R. B., y Sands, M. (1965). The Feynman lectures on physics: Vol. I. Addison-Wesley.

Gilat, A. (2011). MATLAB: An introduction with applications. Wiley.

Gupta, P., y Sharma, R. (2023). Thermal modeling of integrated circuits using MATLAB simulations. IEEE Transactions on Circuits and Systems II: Express Briefs, 70(8), 1234–1240.

Jensen, K., Bhattacharya, M., y Datta, A. (2024). Quantum mass sensing with nanomechanical resonators. Nature Physics, 20(4), 567–573.

Kim, J., Park, H., y Lee, S. (2023). Energy-efficient memory architectures for AI workloads. IEEE Transactions on Computers, 72(3), 789–801.

Landauer, R. (1961). Irreversibility and heat generation in the computing process. IBM Journal of Research and Development, 5(3), 183–191. https://doi.org/10.1147/rd.53.0183

Lloyd, S., Chen, Y., y Zhang, J. (2022). Thermodynamic limits of quantum computing. Physical Review Letters, 129(15), 150601.

Nakamura, K., Tanabashi, M. y Particle Data Group. (2020). Review of particle physics. Physical Review D, 101(3), 030001. https://doi.org/10.1103/PhysRevD.101.030001

Shim, W., Jiang, H., Peng, X. y Yu, S. (2020). Architectural design of 3D NAND flash based compute-in-memory for inference engine. In MEMSYS 2020 Conference Proceedings (pp. 64–72). https://doi.org/10.1145/3422575.3422780

Taylor, E. F., y Wheeler, J. A. (1992). Spacetime physics: Introduction to special relativity. W.H. Freeman and Company.

Vopson, M. M. (2021). The mass-energy-information equivalence principle. AIP Advances, 11(12), 125206. https://doi.org/10.1063/5.0087175

Zhang, N., y Wu, F. (2024). Automobile-demand forecasting based on trend extrapolation and causality analysis. Electronics, 13(16), 3294. https://doi.org/10.3390/electronics13163294

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Derechos de autor 2025 Anselmo Chavez Lopez