Autores:
M.C. Norberto Rubén Torres Castillejos, Facultad de Ciencias en Física y Matemáticas UNACH. Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Dr. Filiberto Hueyotl Zahuantitla, Secretaría de Ciencia, Humanidades, Tecnología e Innovación, Facultad de Ciencias en Física y Matemáticas UNACH. Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
La combinación de Inteligencia Artificial (IA) y física ha abierto nuevas puertas para explorar fenómenos complejos del Universo. Un reciente proyecto de investigación, desarrollado en la Universidad Autónoma de Chiapas (UNACH), ha logrado aplicar estas dos potentes herramientas para abordar fenómenos tan variados como la formación de gotas al estornudar o la resolución de ecuaciones relativistas.
La IA y la física: un equipo prometedor
La física ha sido, durante siglos, nuestra herramienta principal para entender los misterios de la naturaleza. Sin embargo, nos encontramos frente a fenómenos tan complejos, de múltiples variables y enormes volúmenes de datos, que los métodos tradicionales parecen insuficientes. Aquí es donde la IA entra en juego, convirtiéndose en una aliada indispensable para la física moderna. La capacidad de la IA para identificar patrones, aprender de los datos y resolver problemas complejos sin necesidad de instrucciones explícitas ha revolucionado la forma en que abordamos la investigación científica.
Redes neuronales informadas en física (PINNs)
Un ejemplo clave de esta colaboración entre IA y física son las Redes Neuronales Informadas en Física (PINNs), un concepto promovido por diversos investigadores en el campo. Las PINNs funcionan como una especie de cerebro digital, compuesto por “neuronas” interconectadas, que reciben información, la procesan y transmiten los resultados a las siguientes capas. Este proceso permite que la red aprenda de los datos y se ajuste internamente para realizar tareas como el reconocimiento de patrones o la predicción de comportamientos.
A diferencia de las redes neuronales tradicionales, que solo aprenden de lo que ven, las PINNs integran principios físicos fundamentales en su aprendizaje, garantizando que las soluciones obtenidas sean coherentes con las leyes conocidas de la física. Esta ventaja convierte a las PINNs en una herramienta más precisa y eficiente, capaz de resolver problemas complejos con menos errores.
El futuro de la investigación científica
Las PINNs están desempeñando un papel fundamental en la investigación científica, especialmente en la resolución de ecuaciones diferenciales no lineales, un campo en el que la IA ha demostrado un alto potencial. La capacidad de las PINNs para combinar el aprendizaje profundo con el conocimiento físico permite simular y explorar fenómenos que antes resultaban inaccesibles para los métodos convencionales de cálculo.
Nuevas fronteras abiertas
La IA no solo ha transformado la forma en que los físicos resuelven problemas, sino que está abriendo nuevas fronteras en nuestra comprensión del universo. Las PINNs, como herramienta clave en este proceso, nos permiten ir más allá de las limitaciones tradicionales, permitiendo que la física moderna avance hacia nuevas y emocionantes direcciones. En la UNACH, la colaboración entre IA y física continúa siendo un eje fundamental para la investigación, consolidando la universidad como un referente en el desarrollo de tecnologías aplicadas al conocimiento científico.
Referencias:
- Raissi, M., et.al. (2019). Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational Physics, 378, 686–707.
- Medrano Navarro, L., Martín Moreno, L., & Rodrigo, S. G. (2023). Solving differential equations with deep learning: A beginner’s guide. arXiv. https://doi.org/10.48550/arXiv.2307.11237
