Cuando uno oye la palabra turbulencia, siempre piensa en los incómodos, y peligrosos en algunos casos, movimientos bruscos que sufrimos cuando viajamos en un avión. Sin embargo, la turbulencia es mucho más y está presente de forma continua en nuestras vidas. Por turbulencia nos referimos al estado irregular y caótico que presenta el movimiento de los fluidos, gases y líquidos, en la mayoría de situaciones.
Ejemplo de flujos turbulentos son el movimiento del aire en nuestras ciudades o del agua en mares y ríos, pero también el que se produce dentro de los motores o alrededor de coches, barcos y aviones. De hecho, la turbulencia es uno de los factores responsables de la perdida de energía en estos medios de transporte, pudiendo relacionarse con hasta un 15% del CO2 vertido por la humanidad anualmente.
Un equipo de investigadores ha desarrollado una nueva técnica que permite estudiar la turbulencia de una forma completamente diferente a la que se ha venido usando en los últimos 100 años. Y es que ahora hay una nueva herramienta: la inteligencia artificial.
Si hay algo que caracteriza a la mecánica de fluidos, que es la rama de la ciencia que estudia la turbulencia, es que, aunque sus ecuaciones fueron desarrolladas por Claude-Louis Navier y George Stokes hace casi 180 años, el problema sigue abierto. Estas ecuaciones son irresolubles de forma algebraica o numérica para casos prácticos, incluso para los mayores ordenadores del mundo. Para estudiar la turbulencia asociada al movimiento de un avión comercial típico necesitaríamos una memoria equivalente a la que emplea en un mes todo Internet, y eso solo para poder configurar la simulación. La cuestión es tan compleja que se necesita comprender mejor la turbulencia simplemente para poder mejorar los modelos más básicos que se usan en el día a día.
El problema, habida cuenta su dificultad y relevancia, es uno de los “problemas del milenio” del Clay Mathematics Institute, con un premio millonario en dólares para quien lo resuelva.
Aunque ya hay varios trabajos que aplican la inteligencia artificial a la mecánica de fluidos, la gran novedad de este nuevo estudio es que permite por primera vez no simular o predecir sino entender la turbulencia.
A partir de una base de datos de cerca de 1 terabyte, el equipo de investigadores ha entrenado una red neuronal que permite predecir el movimiento de un flujo turbulento. Usando esta red ha conseguido seguir la evolución del flujo eliminando pequeñas estructuras individualmente, evaluando posteriormente el efecto de estas estructuras mediante el algoritmo SHAP.
El algoritmo SHAP utiliza cálculos del campo de la teoría de juegos para averiguar qué variables tienen más influencia en las predicciones. Es un método de inteligencia artificial explicable, esto es, uno en los que un ser humano es capaz de comprender las decisiones y predicciones realizadas por la inteligencia artificial. Contrasta con el concepto de la «caja negra» en aprendizaje automático, donde ni siquiera sus diseñadores pueden explicar por qué la IA ha tomado una decisión concreta.
Los resultados de este nuevo análisis no aportan “conocimiento” nuevo, desde el punto de vista de la usabilidad de los resultados en ingeniería. De hecho, coinciden exactamente con el conocimiento adquirido en los últimos 40 años. Pero lo amplían cualitativamente. El método ha conseguido reproducir este conocimiento sin que la red neuronal sepa nada de física.
La validación experimental indica que el método es aplicable a flujos realistas y abre un camino totalmente novedoso para entender la turbulencia.
Referencia:
Cremades, A., Hoyas, S., Deshpande, R. et al. (2024) Identifying regions of importance in wall-bounded turbulence through explainable deep learning. Nat Commun doi: 10.1038/s41467-024-47954-6
Sobre el autor: César Tomé López es divulgador científico y editor de Mapping Ignorance
