El diseño de máquinas se parece a la cocina: hay que saber exactamente dónde se romperá la «masa». Los viejos cálculos por computadora revisan cada punto de la pieza durante horas, como medir toda la olla para que el asa no se caiga. La red neuronal de nueva generación mira la pieza como una malla de puntos, como un cocinero experimentado que a simple vista siente cómo se distribuirá el calor en cualquier sartén. Al igual que la espectroscopia, que descompone la luz en colores, ella descompone las tensiones, revelando los puntos débiles.

A diferencia de los viejos métodos de aprendizaje automático, que se perdían al cambiar la forma (la precisión caía al 1%), esta red entiende la esencia de la estructura. No le importan los giros, desplazamientos o el material — fibra de carbono, acero — el principio funciona igual. La precisión alcanza el 97% en fracciones de segundo. Es sorprendente que la red no sepa física: simplemente está entrenada con ejemplos, como un cocinero que, sin libros, siente dónde se romperá la masa.

Cuando aumenta la entropía — la incertidumbre debida a formas complejas —, los viejos métodos dan predicciones caóticas, mientras que la red neuronal solo reduce ligeramente la precisión. Este enfoque podría convertirse en el modelo estándar para el análisis rápido de resistencia.