Investigadores del Instituto de Tecnología de Massachusetts (MIT) y de la Universidad de Tsinghua desarrollaron un nuevo método de preentrenamiento de redes neuronales capaz de simular con alta precisión procesos mecánicos y aerodinámicos. El grupo publicó el estudio en el repositorio de preprints arXiv.
El sistema, bautizado como GeoPT, actúa como un simulador físico universal. Los modelos generativos anteriores manejaban bien texto e imágenes, pero no conseguían probar robots ni diseñar vehículos porque no comprendían las leyes de la mecánica. Las calculadoras digitales tradicionales, por su parte, calculan propiedades físicas de forma lenta, lo que limita la verificación de seguridad de aeronaves y automóviles.
Cómo funciona
Los investigadores entrenaron el algoritmo con 1,3 millones de escenarios en los que millones de micropartículas virtuales se movían en diferentes ángulos y colisionaban con formas tridimensionales. Con ese entrenamiento, la IA pasó a comprender la física de los objetos a nivel intuitivo antes de recibir proyectos industriales específicos.
Para realizar una prueba completa, el usuario carga un modelo 3D e indica la dirección de la fuerza. La red neuronal entonces genera, en segundos, un mapa térmico de deformaciones, flujos de aire o distribución de luz.
Pruebas industriales
En las pruebas industriales, GeoPT presentó una velocidad récord de cálculo en geometrías complejas con 100 millones de puntos nodales. En la evaluación de la estabilidad de barcos en olas agitadas y de la aerodinámica de aviones de combate, el modelo fue cuatro veces más rápido que otras soluciones y exigió 60% menos datos preparados por humanos.
Los desarrolladores clasifican la física como la tercera modalidad clave de la inteligencia artificial y planean ampliar el sistema para la previsión de anomalías climáticas y la generación de vídeos con simulaciones físicas realistas.
