Un estudio del Instituto de Tecnología de Massachusetts (MIT) y la Universidad de Columbia Británica presentó WorldParticle, un sistema de inteligencia artificial capaz de simular, con una sola arquitectura, fenómenos físicos tan distintos como el deslizamiento de arena y el plegamiento de proteínas. El modelo busca reemplazar los simuladores diseñados para tareas específicas y permitir el estudio conjunto de materiales, fuerzas y entornos que hasta ahora requerían herramientas separadas, informó MIT News, el portal de noticias del instituto.
La tecnología representó seis fenómenos físicos diferentes con mayor precisión que los métodos de simulación numérica; en el caso de las estructuras proteicas, lo hizo cerca de 100 veces más rápido que los simuladores convencionales.
El sistema, descrito en el servidor de prepublicación arXiv, podría utilizarse para analizar, por ejemplo, el impacto del petróleo en movimiento sobre una válvula elástica dentro de un tanque de almacenamiento. También permitiría estudiar dónde y de qué forma se desplaza la arena o el suelo cuando entran en contacto con un robot blando.
Los científicos suelen elegir un simulador distinto para cada proceso físico: uno para el flujo de agua, otro para el comportamiento de un objeto flexible y otro para modelar el plegamiento de proteínas. Cada herramienta se programa a partir de ecuaciones que describen el material o el fenómeno en cuestión.
WorldParticle reemplaza ese esquema mediante una red neuronal capaz de aprender, de forma general, a resolver las ecuaciones que gobiernan el comportamiento de la materia. El sistema no recibe una fórmula específica para cada caso, sino que identifica las dinámicas subyacentes y puede adaptarse a materiales, fuerzas y condiciones ambientales que no estuvieron presentes durante su entrenamiento.
Peter Yichen Chen, exinvestigador posdoctoral del MIT y actual profesor asistente de la Universidad de Columbia Británica, resumió la ambición del proyecto con una comparación: "Queremos tener un momento GPT para la simulación", dijo, en referencia a un modelo de alcance universal, equivalente al que los grandes modelos de lenguaje tuvieron en el procesamiento de texto.
"Cada vez que las personas quieren construir un simulador para un fenómeno físico particular, necesitan programarlo desde cero", afirmó Chen. "Nuestra visión es contar con un modelo fundacional que funcione directamente para cualquier escenario que se quiera simular. Este es un primer paso en esa dirección".
El modelo descompone cada objeto, desde una duna de arena hasta una molécula proteica, en miles o millones de partículas tridimensionales. Luego rastrea su posición y velocidad a través del espacio y el tiempo para anticipar cómo evolucionará el material.
La red neuronal recibe como entrada las posiciones en tres dimensiones y las propiedades físicas de esas partículas. Después calcula su ubicación y sus características en el siguiente cuadro de la simulación, con predicciones en intervalos de un segundo.
"Es una arquitectura similar a ChatGPT, pero en lugar de predecir una palabra por vez para escribir un texto, predecimos cómo se moverán estas partículas, un paso a la vez", explicó Chen.
Antes de cada paso, WorldParticle separa las fuerzas externas que inciden sobre el sistema físico. Entre ellas figuran las fuerzas de impulso que afectan a una ola del océano cuando golpea un rompeolas.
Una vez que calcula los estados iniciales de las partículas, el sistema reincorpora esas fuerzas a la simulación y corrige sus predicciones según el efecto que ejercen sobre el objeto. Ese mecanismo le permite generalizar sus resultados a materiales desconocidos, cambios en el ambiente y distintos tipos de fuerza.
Representar un objeto mediante millones de partículas puede, sin embargo, superar la capacidad de procesamiento del modelo. Para reducir esa demanda, el equipo aplicó una técnica de fusión y compresión de partículas que conserva detalles finos de su comportamiento.
"Necesitábamos realizar mucha ingeniería detallada y aplicar numerosos ajustes a la arquitectura para que fuera realmente generalizable y escalable", indicó Guo.
Entre los seis fenómenos evaluados, las pruebas con materiales granulares mostraron con claridad las ventajas del sistema: mientras algunos métodos de referencia dejaban partículas de arena suspendidas en el aire, WorldParticle reprodujo correctamente su colapso hasta formar un montón.
El marco de propósito general podría aplicarse a tareas de manipulación con robots blandos, a la evolución del ARN y a fenómenos astrofísicos como la fusión de galaxias. Los investigadores pretenden adaptar la herramienta a esos sistemas y avanzar hacia una plataforma integral de simulación para el descubrimiento científico.
El investigador posdoctoral del MIT Minghao Guo, coautor principal del trabajo, señaló que unificar modelos puede permitir nuevas combinaciones entre fenómenos que antes se estudiaban por separado. "Si se estudian objetos deformables y fluidos, se necesitarían dos simuladores, uno para cada régimen físico. Pero si se los unifica en un solo modelo, quizá se pueda acoplar la física de estos dos procesos y obtener conocimientos sobre nuevos problemas", sostuvo Guo.
"Vemos que la unificación de la computación y la ciencia puede darnos nuevos conocimientos y herramientas para descubrir fenómenos físicos o explicar fenómenos físicos que no tienen explicación", afirmó Guo.
