VA | EN

Entendiendo la turbulencia mediante la inteligencia artificial

Cuando uno oye la palabra turbulencia, siempre piensa en los incomodos movimientos 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 responsables de la perdida de energía en estos medios de transporte, siendo culpable de hasta un 15% del CO2 vertido por la humanidad anualmente.

Ahora, un equipo internacional formado por científicos de la Universitat Politècnica de València (UPV) y las universidades de Edimburgo y Melbourne y liderado por Ricardo Vinuesa del Instituto Flow del Royal Institute of Technology (KTH) ha desarrollado una nueva técnica que nos permite estudiar la turbulencia de una forma completamente diferente a la usada en los últimos 100 años. Su trabajo ha sido publicado en Nature Communications.

La Inteligencia artificial, fundamental

La principal dificultad de la mecánica de fluidos es que “aunque las ecuaciones de la mecánica de fluidos tienen cerca de 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 un avión comercial típico necesitaríamos una memoria equivalente a un mes de internet solo para poder configurar la simulación”, indica Sergio Hoyas, profesor de ingeniería aeroespacial de la UPV e investigador del IUMPA.

“Necesitamos comprender la turbulencia para poder mejorar los modelos simplificados que se usan en el día a día. Y hay una nueva herramienta: la inteligencia artificial”, añade Ricardo Vinuesa.

Aunque ya hay varios trabajos que aplican la inteligencia artificial a la mecánica de fluidos, la gran novedad de este 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.

“Lo más importante es que los resultados de este análisis coinciden exactamente con el conocimiento adquirido en los últimos 40 años y lo amplían. Nuestro método ha conseguido reproducir este conocimiento sin que la red neuronal sepa nada de física”, destaca Andrés Cremades, investigador postdoctoral del KTH y primer autor del artículo.

“La validación experimental con los datos de la Universidad de Melbourne indica que nuestro método es aplicable a flujos realistas y abre un camino totalmente novedoso para entender la turbulencia” termina Vinuesa.

Referencia bibliográfica

Cremades, A., Hoyas, S., Deshpande, R. et al. Identifying regions of importance in wall-bounded turbulence through explainable deep learning. Nat Commun 15, 3864 (2024). DOI.

Fuente: UPV