IA resuelve problemas complejos de ingeniería más rápido que las supercomputadoras

Modelar cómo se deforman los automóviles en un choque, cómo responden las naves espaciales a entornos extremos o cómo resisten los puentes a la tensión podría hacerse miles de veces más rápido gracias a la nueva inteligencia artificial que permite a las computadoras personales resolver problemas matemáticos masivos que generalmente requieren supercomputadoras.

El nuevo marco de IA es un enfoque genérico que puede predecir rápidamente soluciones a ecuaciones matemáticas omnipresentes y que consumen mucho tiempo, necesarias para crear modelos de cómo los fluidos o las corrientes eléctricas se propagan a través de diferentes geometrías, como las involucradas en las pruebas de ingeniería estándar.

El marco, llamado DIMON (Diffeomorphic Mapping Operator Learning), resuelve problemas matemáticos ubicuos conocidos como ecuaciones diferenciales parciales que están presentes en casi todas las investigaciones científicas y de ingeniería.

Usando estas ecuaciones, los investigadores pueden traducir sistemas o procesos del mundo real en representaciones matemáticas de cómo los objetos o entornos cambiarán con el tiempo y el espacio.

“Si bien la motivación para desarrollarlo surgió de nuestro propio trabajo, creemos que esta es una solución que tendrá un impacto generalizado en varios campos de la ingeniería porque es muy genérica y escalable”, dijo Natalia Trayanova, profesora de medicina e ingeniería biomédica de la Universidad Johns Hopkins, quien codirigió la investigación.

“Básicamente, puede funcionar en cualquier problema, en cualquier dominio de la ciencia o la ingeniería, para resolver ecuaciones diferenciales parciales en múltiples geometrías, como en pruebas de choque, investigación ortopédica u otros problemas complejos donde las formas, las fuerzas y los materiales cambian“.

Además de demostrar la aplicabilidad de DIMON para resolver otros problemas de ingeniería, el equipo de Trayanova probó la nueva IA en más de 1000 “gemelos digitales” cardíacos, modelos informáticos muy detallados de corazones de pacientes reales.

La plataforma pudo predecir cómo se propagaban las señales eléctricas a través de cada forma única de corazón, logrando una alta precisión de pronóstico.

El equipo de Trayanova se basa en la resolución de ecuaciones diferenciales parciales para estudiar la arritmia cardíaca, que es un mal comportamiento del impulso eléctrico en el corazón que causa latidos irregulares.

Con sus gemelos digitales del corazón, los investigadores pueden diagnosticar si los pacientes podrían desarrollar esta afección a menudo fatal y recomendar formas de tratarla.

“Estamos incorporando una tecnología novedosa a la clínica, pero muchas de nuestras soluciones son tan lentas que nos lleva aproximadamente una semana desde que escaneamos el corazón de un paciente y resolvemos las ecuaciones diferenciales parciales para predecir si el paciente tiene un alto riesgo de muerte cardíaca súbita y cuál es el mejor plan de tratamiento“, dijo Trayanova, quien dirige la Alianza Johns Hopkins para la Innovación en Diagnóstico y Tratamiento Cardiovascular.

“Con este nuevo enfoque de IA, la velocidad a la que podemos tener una solución es increíble.

El tiempo para calcular la predicción de un gemelo digital del corazón se reducirá de muchas horas a 30 segundos, y se realizará en una computadora de escritorio en lugar de en una supercomputadora, lo que nos permitirá convertirlo en parte del flujo de trabajo clínico diario“.

Las ecuaciones diferenciales parciales se resuelven generalmente descomponiendo formas complejas, como alas de avión u órganos del cuerpo, en cuadrículas o mallas formadas por pequeños elementos.

Luego, el problema se resuelve en cada pieza simple y se vuelve a combinar.

Pero si estas formas cambian (como en caso de choques o deformaciones), las cuadrículas deben actualizarse y las soluciones deben recalcularse, lo que puede resultar lento y costoso desde el punto de vista computacional.

DIMON resuelve ese problema utilizando IA para comprender cómo se comportan los sistemas físicos en diferentes formas, sin necesidad de recalcular todo desde cero para cada nueva forma.

En lugar de dividir las formas en cuadrículas y resolver ecuaciones una y otra vez, la IA predice cómo se comportarán factores como el calor, el estrés o el movimiento en función de los patrones que ha aprendido, lo que la hace mucho más rápida y eficiente en tareas como la optimización de diseños o el modelado de escenarios específicos de la forma.

El equipo está incorporando al marco DIMON la patología cardíaca que conduce a la arritmia.

Debido a su versatilidad, la tecnología se puede aplicar a la optimización de formas y a muchas otras tareas de ingeniería en las que se necesita resolver ecuaciones diferenciales parciales en formas nuevas de forma repetida, dijo Minglang Yin, becario postdoctoral de ingeniería biomédica de Johns Hopkins que desarrolló la plataforma.

“Para cada problema, DIMON primero resuelve las ecuaciones diferenciales parciales en una sola forma y luego asigna la solución a múltiples formas nuevas.

Esta capacidad de cambio de forma resalta su tremenda versatilidad”, dijo Yin.

“Estamos muy emocionados de ponerlo a trabajar en muchos problemas, así como de proporcionarlo a la comunidad en general para acelerar sus soluciones de diseño de ingeniería”.

Fuente: Nature computational science