Un grupo de investigación dirigido por Masanobu Horie en RICOS Co. Ltd. en colaboración con el profesor asistente Naoto Mitsume de la Universidad de Tsukuba, ha utilizado con éxito la IA para realizar predicciones de alta velocidad y alta precisión del flujo de agua y aire y otros fenómenos. Esta tecnología logra un equilibrio sofisticado entre la precisión y el tiempo de cálculo (medido en la misma computadora) que no se podía lograr con las simulaciones físicas existentes y otros métodos de IA. El documento se publica en el arXiv servidor de preimpresión.
Las simulaciones físicas son los principales métodos para predecir fenómenos de flujo. Sin embargo, existe una compensación entre la precisión y el tiempo de cálculo; el análisis de alta precisión de los fenómenos requiere un largo tiempo de cálculo, y la simplificación del proceso para acortar el tiempo de cálculo reduce la precisión de la predicción. En los últimos años, se ha llevado a cabo una amplia investigación sobre la construcción de modelos que predicen fenómenos físicos utilizando una tecnología de IA fundamental conocida como aprendizaje automático. Sin embargo, este enfoque a menudo no era aplicable a las simulaciones en condiciones complejas como las que se manejan en las simulaciones físicas convencionales, y había problemas en términos de confiabilidad y versatilidad.
Al combinar simulaciones físicas y aprendizaje automático, este grupo de investigación realizó un modelo de predicción de alta velocidad que garantiza confiabilidad y versatilidad, al tiempo que aprovecha las fortalezas del aprendizaje automático para hacer predicciones basadas en datos existentes. El grupo logró predicciones de alta velocidad sin comprometer significativamente la precisión en comparación con las simulaciones físicas convencionales al hacer que el modelo aprendiera de datos de simulación de alta precisión preparados con anticipación. Además, esta tecnología recientemente desarrollada demuestra teóricamente que la precisión de la predicción no se deteriora, mientras que la precisión de la predicción se redujo con la tecnología de aprendizaje automático existente al observar el mismo fenómeno desde una perspectiva diferente.
En las simulaciones físicas de los fenómenos de flujo, se dan condiciones de contorno para los fenómenos, como considerar las partes de «aberturas por donde entra el aire» y «paredes que no dejan pasar el aire». Sin embargo, la tecnología de aprendizaje automático existente no podía tener estrictamente en cuenta tales condiciones específicas. La nueva tecnología combina con éxito algoritmos de aprendizaje automático con un tratamiento riguroso de las condiciones límite al formular una correspondencia entre las condiciones físicas de entrada y las del espacio de datos abstracto y de alta dimensión manejado por los algoritmos de aprendizaje automático.
Esto se logró mediante la incorporación de métodos computacionales de simulaciones físicas en un algoritmo de aprendizaje automático, que es una característica única de esta tecnología. Esta vez, el grupo de investigación logró mostrar la posibilidad de que el aprendizaje automático pueda tener la misma versatilidad que la simulación física convencional sin perder las ventajas del aprendizaje automático.
Se espera que esta tecnología acelere el proceso de evaluación mediante la simulación de fenómenos de flujo, que pueden ser un cuello de botella en el diseño y la fabricación, y mejore la eficiencia de todo el proceso de diseño y fabricación. También puede ser un paso importante para aumentar la precisión de los pronósticos meteorológicos y mejorar la eficiencia de los sistemas de ventilación para prevenir la propagación de enfermedades infecciosas causadas por gotitas.
Más información:
Masanobu Horie et al, Physics-Embedded Neural Networks: Graph Neural PDE Solvers with Mixed Boundary Conditions, arXiv (2022). DOI: 10.48550/arxiv.2205.11912
Proporcionado por la Agencia de Ciencia y Tecnología de Japón
Citación: Predicción rápida y muy precisa de los fenómenos de flujo (3 de abril de 2023) consultado el 3 de abril de 2023 en https://phys.org/news/2023-04-speedy-highly-accurate-phenomena.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.