Durante siglos, las complejas matemáticas que describen el movimiento de líquidos y gases, desde el clima que se apresura al ala de un avión hasta las turbulentas corrientes del océano, ha perturbado las mentes más brillantes del mundo. Estos principios se rigen por un conjunto notoriamente difícil de ecuaciones diferenciales parciales (o PDE), conocidas como las ecuaciones de Navier-Stokes, que siguen siendo uno de los siete “problemas de premios del milenio” sin resolver en matemáticas.
Ahora, los investigadores del laboratorio de inteligencia fabricado de Google, DeepMind, han demostrado un enfoque novedoso que produce nuevas ideas.
Al entrenar un tipo de IA conocido como una red neuronal gráfica en simulaciones complejas de flujo de fluido, el sistema pudo descubrir “nuevas soluciones sorprendentes” a estos problemas centenarios. El logro “marca la primera vez que se ha utilizado un maniquí de estudios inevitable para descubrir soluciones nuevas y verificables a un PDE célebre”, según el equipo de DeepMind.
Esto no es solo una cuestión de curiosidad académica. Una comprensión más profunda de la dinámica de fluidos tiene profundas implicaciones del mundo vivo, impactando todo, desde la aerodinámica y la predicción del clima hasta la ingeniería naval y la astrofísica, dicen los expertos.
La capacidad de modelar y predecir con veterano precisión el comportamiento de los fluidos podría conducir al diseño de aviones y automóviles más eficientes en combustible, el exposición de modelos climáticos y climáticos más precisos, y nuevas innovaciones en numerosos campos científicos e industriales.
En el corazón del desafío hay fenómenos conocidos como “singularidades” o “explosivos”, situaciones teóricas donde cantidades como la velocidad o la presión podrían volverse infinitas. Aunque aparentemente abstractos, estos escenarios ayudan a los científicos a comprender los límites fundamentales de las ecuaciones. DeepMind AI demostró ser perito en identificar patrones en los datos que llevaron al descubrimiento de una nueva grupo de estas explosiones matemáticas, dijo Google.
Los hallazgos de la IA fueron descritos como “más que una simple curiosidad científica”, y desde entonces “han demostrado matemáticamente para ser correctos”. Si es cierto, marca un paso significativo en cómo se puede aplicar la inteligencia fabricado a la ciencia fundamental. En extensión de simplemente cruzar números más rápido que una supercomputadora, la IA actuó como un socio creativo, identificando patrones sutiles que guiaron a los humanos a los humanos cerca de un descubrimiento verificable.
El proceso implicó capacitar a la IA para detectar conexiones y comportamientos en simulaciones de fluidos que los observadores humanos podrían perderse. Según Yongji Wang, el primer autor del estudio y un investigador postdoctoral en NYU, “al grabar ideas matemáticas y conquistar una precisión extrema, transformamos PINN (redes neuronales basadas en física) en una útil de descubrimiento que encuentra singularidades elusivas”.
Este enfoque colaborativo, donde la IA proporciona ideas y dirección que luego son probadas rigurosamente por expertos humanos, se aclaman como un nuevo modelo potencial para la investigación científica. Sugiere un futuro en el que los sistemas de IA trabajan adyacente con los científicos para chocar los desafíos de larga data en matemáticas, física e ingeniería que hasta ahora han estado fuera de talento.
Si acertadamente la decisión completa a las ecuaciones de Navier-Stokes sigue siendo un desafío monumental, este avance demuestra que la inteligencia fabricado puede ser una útil secreto para finalmente descifrarla.
