El material revela sus secretos ✎ exprés

Original: "Inelastic Constitutive Kolmogorov-Arnold Networks: A generalized framework for automated discovery of interpretable inelastic material models"
arXiv:2602.17750 · 2026-02-19 · arXiv non-exclusive · análisis propio · 1 min
Una red neuronal aprende a deducir las fórmulas con las que los materiales se estiran y se comprimen.

📄 Mostrando la versión "Simple" — "Avanzado" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

Un material es como una persona: si lo estiras durante mucho tiempo, lo recuerda y se comporta de manera diferente. Durante años, los ingenieros han estado ajustando fórmulas para describir esa memoria. Ahora, una red neuronal lo hace por sí sola.

La nueva arquitectura iCKAN toma los datos de los ensayos y los convierte en ecuaciones. No solo detecta la elasticidad, sino también la viscosidad, es decir, cómo fluye el material bajo carga. El método se probó con datos sintéticos y con un polímero real, el VHB 4910. Los resultados coincidieron con las mediciones de laboratorio.

El polímero VHB 4910 es una cinta adhesiva que se utiliza en robótica blanda. Se estira varias veces su longitud y vuelve lentamente a su forma.

La gran fortaleza de iCKAN es que no solo predice números, sino que genera fórmulas. Es como si un medidor de estatura dedujera la regla: «estatura = edad × alimentación». Las fórmulas se pueden leer y verificar.

En el futuro, el método no se limitará a la mecánica. Si se añaden datos sobre temperatura o humedad, la red neuronal encontrará cómo las condiciones alteran las propiedades del material. Es un paso hacia materiales que se diseñan por ordenador, en lugar de seleccionarse a mano.

El polímero VHB 4910 es tan pegajoso que se usa como cinta adhesiva de doble cara en la industria.

Científicos
Erwin SchrödingerHugh Everett IIIEmmy NoetherWolfgang PauliEnrico FermiPaul Dirac
Conceptos
materiales con aprendizaje automático redes neuronales evidenciales redes neuronales convolucionales autoencoder filtro de kalman predicción de propiedades moleculares red neuronal de grafos procesos estocásticos grandes modelos de lenguaje