Un grupo de investigadores logró que la inteligencia artificial diseñara una forma de reducir la fricción en un modelo de ala de avión en un 38%, un avance que podría acelerar el desarrollo de vehículos más eficientes y con menor consumo energético.
Según informó New Scientist, el trabajo mostró que varios agentes de IA pudieron resolver un problema complejo de dinámica de fluidos sin acceso directo a las simulaciones más costosas.
Un atajo para un problema difícil
El comportamiento de los fluidos condiciona desde el paso del aire sobre las alas de un avión hasta la resistencia que enfrentan las hélices de una turbina eólica o el flujo de sangre en el cuerpo humano. Ese tipo de cálculos exige una enorme capacidad computacional, ya que involucra millones o miles de millones de ecuaciones acopladas.
PUBLICIDAD
De acuerdo con New Scientist, el equipo buscó una vía alternativa para sortear esa limitación. La apuesta consistió en reemplazar parte de ese costo computacional con entrenamiento de inteligencia artificial, de modo que los modelos aprendieran principios generales del flujo de fluidos y luego los aplicaran en escenarios más complejos.
Steven Brunton, investigador de la Universidad de Washington, sostuvo en declaraciones recogidas por New Scientist que las simulaciones de fluidos a escala de ingeniería siguen fuera del alcance incluso de los sistemas más potentes. “Con las computadoras más rápidas del mundo, quizá estamos a 100 años de simular los flujos que realmente nos importan a escala de ingeniería”, afirmó.
Cómo funciona HydroGym
Para llevar adelante el trabajo, los científicos desarrollaron HydroGym, una plataforma en la que múltiples agentes de IA pueden modificar el modo en que un fluido se desplaza sobre objetos virtuales. Entre las acciones posibles figuran la incorporación de actuadores que inyectan fluido o cambios en el movimiento del propio objeto, con el objetivo de reducir la resistencia.
PUBLICIDAD
Christian Lagemann, de la Universidad RWTH Aachen de Alemania, explicó que los agentes resolvieron la tarea mediante aprendizaje por refuerzo, un método basado en prueba y error. El sistema también permitió que varios agentes coordinaran sus decisiones para alcanzar un mejor resultado global, una estrategia que, según detalló New Scientist, no se había probado antes en problemas de fluidos de esta escala.
Ese punto resultó central para el experimento. Los agentes no se limitaron a repetir una solución fija, sino que aprendieron reglas que luego trasladaron a casos nuevos, aun cuando no contaban con una simulación detallada de esos casos más exigentes.
Del canal plano a un ala tridimensional
El equipo entrenó primero a la IA con escenarios más simples, similares a los problemas clásicos de manual. Uno de esos entornos consistió en controlar el flujo turbulento en un canal plano. A partir de esa base, los investigadores evaluaron si el sistema podía transferir ese conocimiento a configuraciones mucho más difíciles.
PUBLICIDAD
La prueba principal consistió en aplicar ese aprendizaje al flujo alrededor de un ala de avión curva y tridimensional. Allí, los agentes consiguieron reducir en 38% la fricción que desperdicia energía entre el ala y el fluido, un resultado que los autores interpretan como señal de que la IA logró captar regularidades más amplias del fenómeno.
Ricardo Vinuesa, de la Universidad de Michigan, afirmó en declaraciones citadas por New Scientist que “la IA no solo memorizaba una configuración de flujo”. Y agregó que el sistema parecía identificar aspectos generales sobre el comportamiento de los fluidos, en lugar de ajustarse a un único caso de entrenamiento.
Qué impacto podría tener
La posibilidad de transferir principios desde simulaciones sencillas hacia problemas más complejos abre una perspectiva relevante para la ingeniería. El objetivo de los investigadores apunta a estudiar situaciones que hoy resultan demasiado difíciles o costosas de simular de forma completa.
PUBLICIDAD
Vinuesa señaló además que HydroGym podría transformarse en una infraestructura de referencia para áreas científicas y tecnológicas que trabajan con fluidos, del mismo modo en que otras plataformas de IA se volvieron herramientas extendidas en el estudio de proteínas.
Brunton planteó el posible alcance económico y ambiental de mejoras incluso pequeñas. Según dijo a New Scientist, “si se redujera la resistencia en el transporte marítimo global en un 1%, eso podría traducirse en miles de millones de dólares de ahorro de combustible” y en una baja importante de emisiones de gases de efecto invernadero. El equipo espera que esa misma lógica pueda extenderse a aviones, barcos, turbinas y otros sistemas en los que la fricción define buena parte de la eficiencia.
PUBLICIDAD