El MIT desarrolló un copiloto algorítmico para diseñar estructuras más fáciles de construir

Un método de diseño asistido por aprendizaje automático, desarrollado en el Instituto de Tecnología de Massachusetts (MIT), permite a los ingenieros intervenir durante el diseño de estructuras generado por algoritmos, con el objetivo de producir componentes más fáciles de fabricar y con mayor resistencia.

La herramienta, descripta en Communications Engineering, incorpora la evaluación humana mientras se desarrolla el modelo, en lugar de mostrar una propuesta terminada que suele exigir reiniciar el proceso si necesita cambios, informó MIT News, el portal de noticias del instituto.

La técnica podría ampliar el uso de la optimización topológica, un método que distribuye material dentro de un espacio disponible para cumplir objetivos estructurales, en el diseño de edificios y puentes. Esta clase de algoritmos ya se empleó para crear piezas destinadas a aeronaves ultraligeras, antenas de gran ancho de banda y autos de Fórmula 1.

Las pruebas mostraron que la participación del diseñador elevó la capacidad de fabricación y la resistencia estructural ante el colapso por deformación en un 39%, con un aumento de solo 15 segundos en el tiempo total de diseño frente a métodos completamente automatizados.

Intervención humana en la generación del modelo

La optimización topológica llena de manera iterativa el espacio asignado a una pieza hasta alcanzar los criterios solicitados. Sin embargo, demanda elevados recursos de cómputo y tiempo, y su resultado puede incluir configuraciones difíciles de construir, como ocho o más conexiones de vigas en un mismo punto.

Dat Ha, autor principal de la investigación, recién graduado del doctorado en ingeniería civil y ambiental del MIT y actual diseñador estructural en LeMessurier, sostuvo que los profesionales suelen desconfiar de los programas informáticos cuando proponen soluciones inusuales. “En teoría, la optimización topológica es muy poderosa y puede lograr diseños de gran rendimiento, pero su naturaleza de caja negra ha limitado su adopción en la industria”, afirmó.

El nuevo sistema identifica las áreas de un diseño donde es más probable que un usuario quiera introducir modificaciones. Allí, el ingeniero puede pedir que determinadas zonas de la estructura sean más gruesas o más delgadas antes de que el algoritmo complete su trabajo.

Para entrenar esa capacidad, los investigadores crearon un conjunto sintético con miles de diseños y posibles observaciones humanas. Las evaluaciones consideraban la estética, los criterios de rendimiento y la posibilidad de fabricar las piezas.

“Pensamos que, si podíamos crear un registro de los lugares en los que las personas habían hecho cambios en estos programas, quizá existía un patrón en esas elecciones, algo que no es muy distinto de otros enfoques de aprendizaje automático”, explicó Ha.

Colaboración entre algoritmo y diseñador

Josephine Carstensen, autora principal y profesora asociada de ingeniería civil y ambiental del MIT, señaló que la poca influencia del diseñador durante la evolución de una propuesta ha sido una restricción para esta tecnología. “La falta de control y de apropiación también inhibe su uso”, enfatizó.

Carstensen comparó la herramienta con un copiloto de diseño, porque combina el cálculo del algoritmo con el conocimiento especializado de quien debe convertir el modelo en una estructura construible. “La idea es recurrir a la capacidad de los diseñadores y hacer que incorporen su conocimiento del área a medida que el diseño evoluciona”, indicó.

La propuesta no busca sustituir los enfoques de diseño basados solo en inteligencia artificial. Carstensen planteó que ambas alternativas pueden coexistir: las disciplinas con amplios recursos computacionales pueden recurrir a sistemas completamente automatizados, mientras que los campos donde el juicio humano sea indispensable pueden usar el método colaborativo.

La participación del usuario busca además aumentar la confianza en las decisiones que llegan a la etapa de fabricación. “En algunos entornos, las personas necesitan tomar las decisiones finales antes de avanzar con el diseño definitivo”, explicó Carstensen, quien agregó: “Al involucrarlas, podemos llevar al mundo real diseños de mayor rendimiento para crear estructuras de mayor rendimiento”.

Por ahora, el sistema solo permite modificar el grosor de las estructuras en las regiones que identifica. Los investigadores esperan incorporar otras opciones de intervención en versiones futuras.