Una nueva IA resuelve problemas complejos de ingeniería más rápido que los superordenadores
Una inteligencia artificial permite a los ordenadores personales resolver complicados problemas matemáticos miles de veces más rápido que una supercomputadora. La solución tecnológica podría cambiar las reglas del juego de la ingeniería.
Por Enrique Coperías
Simular cómo los automóviles se deforman en un choque, cómo las naves espaciales se enfrentan a entornos extremos o cómo los puentes soportan tensiones estructurales podría realizarse miles de veces más rápido gracias a una nueva inteligencia artificial (IA).
Esta tecnología permite a los ordenadores personales resolver complejos problemas matemáticos que, tradicionalmente, requerían el uso de superordenadores.
El innovador marco de IA es un enfoque versátil y eficiente que predice rápidamente soluciones a ecuaciones matemáticas fundamentales pero de alta complejidad, esenciales para modelar fenómenos como la propagación de fluidos y las corrientes eléctricas en diversas geometrías. Estas ecuaciones son clave en pruebas de ingeniería estándar y en el diseño de estructuras críticas.
Los detalles de este avance científico han sido publicados en la revista Nature Computational Science.
La nueva infraestructura de IA, denominada DIMON (Diffeomorphic Mapping Operator Learning), está diseñada para resolver problemas matemáticos fundamentales conocidos como ecuaciones diferenciales parciales, esenciales en casi todas las áreas de la ciencia y la ingeniería.
Estas ecuaciones permiten a los investigadores convertir sistemas o procesos del mundo real en representaciones matemáticas que describen cómo evolucionan objetos o entornos a lo largo del tiempo y el espacio. Los científicos las usan, por ejemplo, para modelar fenómenos complejos como el flujo de fluidos, la propagación del calor, las ondas o el comportamiento de estructuras en física, ingeniería y otras disciplinas.
Desde pruebas de choque hasta investigación en ortopedia
«Aunque la motivación para desarrollar DIMON surgió de nuestro propio trabajo, se trata de una solución que, en general, creemos que tendrá un impacto masivo en diversos campos de la ingeniería, porque es muy genérica y escalable —afirma Natalia Trayanova, profesora de Ingeniería Biomédica y Medicina de la Universidad Johns Hopkins, en Estados Unidos, y codirectora de la investigación.
Tal y como apunta Trayanova en una nota de prensa de la Johns Hopkins, su plataforma de IA «puede funcionar básicamente en cualquier problema, en cualquier dominio de la ciencia o la ingeniería, para resolver ecuaciones diferenciales parciales en múltiples geometrías, como en las pruebas de choque, la investigación en ortopedia u otros problemas complejos en los que cambian las formas, las fuerzas y los materiales».
Además de demostrar la aplicabilidad de DIMON en la resolución de otros problemas de ingeniería, el equipo de Trayanova probó la nueva IA en más de mil gemelos digitales cardíacos, modelos informáticos muy detallados de corazones de pacientes reales. La plataforma fue capaz de predecir cómo se propagaban las señales eléctricas a través de cada forma única de corazón, logrando una gran precisión pronóstica.
DIMON revoluciona el modelado al eliminar la necesidad de recalcular las cuadrículas con cada cambio de forma. En lugar de dividir formas complejas en elementos pequeños, predice cómo se comportan los factores físicos como el calor, el estrés y el movimiento en varias formas, lo que acelera enormemente las simulaciones y optimiza los diseños. Cortesía: Minglang Yin / Johns Hopkins University
El equipo de Trayanova se basa en la resolución de ecuaciones diferenciales parciales para estudiar la arritmia cardiaca, que es un mal comportamiento del impulso eléctrico en el corazón que provoca latidos irregulares. Con sus gemelos digitales cardíacos, los investigadores son capaces de diagnosticar si los pacientes pueden desarrollar esta afección, a menudo mortal, y recomendar formas de tratarla.
«Estamos introduciendo una tecnología novedosa a nivel clínico clínica, pero muchas de nuestras soluciones son tan lentas que tardamos una semana desde que escaneamos el corazón de un paciente y resolvemos las ecuaciones diferenciales parciales hasta que predecimos si el paciente tiene un alto riesgo de muerte súbita cardiaca y cuál es el mejor plan de tratamiento», explica Trayanova, que dirige la Alianza Johns Hopkins para la Innovación en Diagnóstico y Tratamiento Cardiovascular.
Un «gemelo cardiaco» en 30 segundos
En palabras de esta ingeniera, «con este nuevo enfoque de IA, la velocidad a la que podemos tener una solución es increíble. El tiempo para calcular la predicción de un gemelo digital cardíaco va a disminuir de muchas horas a treinta segundos, y se hará en un ordenador de sobremesa en lugar de en un superordenador, lo que nos permitirá incorporarlo al flujo de trabajo clínico diario».
Las ecuaciones diferenciales parciales suelen resolverse dividiendo estructuras complejas, como las alas de avión u órganos del cuerpo, en rejillas o mallas compuestas por pequeños elementos. Luego, el problema se aborda en cada elemento simple y se combinan los resultados.
Sin embargo, si estas formas cambian, como en casos de colisión o deformación, resulta necesario actualizar las mallas y recalcular las soluciones, un proceso que puede ser extremadamente lento y demandante en términos computacionales.
Una predicción dinámica
DIMON aborda este desafío mediante inteligencia artificial, capaz de comprender cómo se comportan los sistemas físicos con diferentes formas sin necesidad de recomenzar los cálculos desde cero cada vez. En lugar de dividir las formas en mallas y resolver repetidamente las ecuaciones, la IA predice dinámicamente cómo evolucionarán factores como el calor, la tensión o el movimiento, basándose en patrones previamente aprendidos.
Esto no solo acelera significativamente el proceso, sino que también reduce los costos computacionales.
El equipo está ampliando el marco DIMON para abordar patologías cardíacas que provocan arritmias. Gracias a su flexibilidad, esta tecnología puede aplicarse a una amplia gama de tareas de ingeniería, como la optimización de formas, donde es necesario resolver repetidamente ecuaciones diferenciales parciales en configuraciones novedosas, explica Minglang Yin, investigador posdoctoral en Ingeniería Biomédica en Johns Hopkins y desarrollador principal de la plataforma.
«Para cada problema, DIMON resuelve primero las ecuaciones diferenciales parciales en una sola forma y luego asigna la solución a múltiples formas nuevas. Esta capacidad de cambio de forma pone de relieve su enorme versatilidad —explica Yin. Y concluye—: Estamos muy ilusionados por ponerlo a trabajar en muchos problemas, así como por ofrecerlo a la comunidad en general para acelerar sus soluciones de diseño de ingeniería». ▪️
Información facilitada por la Universidad Johns Hopkins
Fuente: Yin, M., Charon, N., Brody, R. et al. A scalable framework for learning the geometry-dependent solution operators of partial differential equations. Nature Computational Science (2024). DOI: https://doi.org/10.1038/s43588-024-00732-2
