red neuronal informada por la física

En una banda de goma que se estira en el laboratorio actúan a la vez tres mecanismos distintos de elasticidad. Con poca elongación manda la ley de Hooke; con elongación media, la elasticidad entrópica de las cadenas; y con elongación fuerte, el endurecimiento por cristalización.

Un pistón en un cilindro con gas normalmente se mueve cuando el gas empuja contra él. Pero hay un pistón que se mueve cuando hay vacío frente a él. Cada cinco segundos, revisa el espacio junto a su pared y, si no hay nadie allí, da un paso hacia adentro, comprimiendo el gas sin esfuerzo mecánico directo.

En el hielo antártico, una partícula fantasma deja tras de sí solo un débil destello de luz azul. El detector IceCube capta esos destellos, y con ellos hay que deducir de dónde vino la partícula. El modelo PolarBERT aprendió a hacerlo, pero qué ve exactamente en su interior seguía siendo un misterio.

El diamante no es solo una joya. Dentro de su red cristalina se esconden defectos que detectan el campo magnético mejor que muchos instrumentos. Uno de esos defectos, el centro NV, funciona como una brújula diminuta, pero su aguja tiembla por el calor y el ruido. Para que la brújula apunte con precisión, hace falta calibrarla.

Golpea una campana y sonará en su nota. Un agujero negro, tras una perturbación, también suena, solo que en lugar de sonido, es un temblor del propio espacio. Las frecuencias de este tañido pueden revelar mucho sobre el agujero: qué tan rápido rota y cuál es su masa.

Si viertes miel en un colador con cien agujeros pequeños, caerá en hilos finos, pero cada hilo se arremolinará alrededor del borde del agujero. A los ingenieros les importa entender esos remolinos: influyen en la rapidez con que se filtra el agua, en cómo sale el petróleo del yacimiento o en cómo un fármaco se filtra a través de los tejidos.

Cien milisegundos. En ese lapso, tras un rayo o un cortocircuito, el sistema eléctrico vuelve a la normalidad o pierde la estabilidad. La oscilaciones de redes neuronales de nueva generación aprende a sentir ese instante, como un funambulista experimentado anticipa una ráfaga de viento.

Una neurona recibe miles de señales en sus prolongaciones ramificadas: las dendritas. Algunas señales empujan a la célula a disparar (excitación), otras la frenan (inhibición). Durante mucho tiempo se creyó que la neurona simplemente sumaba todos los "a favor" y "en contra".

Muchos procesos naturales se describen mediante ecuaciones, pero solo tenemos fragmentos de ellas. El nuevo método actúa como un cartógrafo que, a partir de pocos puntos de referencia, reconstruye un mapa completo del terreno.

Un programa de seguimiento común se asemeja a un navegante que guía un barco por las estrellas. Pero en cuanto el cielo se nubla, las coordenadas empiezan a desviarse y en los datos aumenta la entropía (medida de incertidumbre). El nuevo algoritmo incorpora un «copiloto»: un módulo que monitoriza el nivel de confianza del navegador principal.

Cuando el dron aprende de un piloto experto, no solo memoriza maniobras, sino corredores seguros enteros. Pero en vuelo real siempre hay factores que no estaban en el entrenamiento: viento imprevisto, vibración de la cámara, incluso el propio movimiento del dron puede desestabilizar el aire.

Una persona en un bote gira desplazando el peso de su cuerpo. El mismo truco emplea el barco no tripulado: el giro lo realiza una carga móvil dentro del casco. Una red neuronal controla su movimiento, anticipando el caos de las olas y las ráfagas de viento.

Las estrellas de neutrones son los últimos grumos de materia visible antes de caer en un agujero negro. En sus entrañas, la materia se comprime hasta densidades de billones de veces. Aquí, las fuerzas nucleares y la gravedad se entrelazan en una sustancia exótica, inaccesible para cualquier acelerador terrestre.

Los neurochips funcionan de manera distinta a los ordenadores convencionales, construidos según los planos de von Neumann con memoria y procesador separados.

La catenaria ferroviaria se asemeja a una galaxia: la energía fluye por ella como la gravedad, y los trenes se convierten en planetas. Cuantos más trenes consumen corriente simultáneamente, más fuertes son las oscilaciones de voltaje: recorren el sistema ondas gravitacionales que amenazan con apagones.

El flotador en el tanque del inodoro es un controlador ideal: al detectar el nivel de agua, lleva instantáneamente el sistema al equilibrio sin mirar al pasado. Los ingenieros aplicaron este principio a las redes neuronales.

El aprendizaje automático hace tiempo que dejó de ser una simple herramienta: se está convirtiendo en un investigador que extrae por sí mismo las leyes de la naturaleza de los datos. Pero, ¿cómo llega la mente de silicio a la comprensión?

El número −0.000459 no es un invitado casual en la ecuación de Blasius. Es el coeficiente de η⁵, que define la capa límite sobre una placa plana: el susurro tenue del roce del aire sobre el metal. Los métodos numéricos habituales, como Runge-Kutta, solo entregan una curva aproximada.

Las redes neuronales comunes aprenden de ejemplos, como una persona que memoriza melodías de oído. Pero las redes que tienen incorporadas las leyes físicas desde el principio se parecen a un músico que conoce las notas y la armonía: puede tocar una pieza nueva con solo unos cuantos acordes.

Un puñado de arena cae sobre la mesa y cada grano rueda hacia abajo hasta detenerse en una hondonada. Así funciona el potencial: la superficie de la mesa les dice a las partículas hacia dónde moverse. Pero en un río con remolinos no hay una única depresión hacia la que todo tienda. El agua gira, regresa, serpentea. Para tales sistemas, el mapa habitual de «valles y colinas» no sirve.

El crecimiento de una población, visto desde fuera, se parece a un tren que acelera: primero avanza apenas, luego gana velocidad. Pero basta con mirar los datos para que la imagen se vuelva borrosa. En una medición hay una docena de individuos, en otra, de repente, un centenar.

Un chef no gasta ingredientes preparando el plato entero para probar el sabor; simplemente prueba una gota de salsa. La misma lógica está en el método de ‘emparejamiento informativo’ para predecir la resistencia de los metales.

Un hervidor hirviendo con la tapa cerrada no muestra el burbujeo, pero el sonido y la vibración delatan la potencia de ebullición del воды.

Un rayo láser golpea el hueso y este responde con un eco ultrasónico casi inaudible. En ese sonido se esconde información sobre cada microgrieta y cada poro lleno de líquido. El problema es que los programas informáticos convencionales no entienden ese lenguaje: ven la señal, pero no conocen la física que la generó.

Los vasos dentro del cráneo se asemejan a una carretera de montaña en zigzag: curvas cerradas, estrechamientos, giros inesperados. Cuando en ese zigzag se forma un atasco, la sangre deja de llegar correctamente al cerebro. Para predecir el peligro, los médicos necesitan ver todo el flujo de una vez: dónde acelera, dónde se arremolina.

El termostato mantiene la habitación a 20 grados. Abre la ventana en invierno y encenderá la calefacción para recuperar el equilibrio. El cerebro hace algo parecido: predice constantemente lo que ocurrirá en el instante siguiente y se corrige si se equivoca. Así aprende.

Un espectrómetro de neutrones se parece a un geólogo ciego que golpea la roca y adivina por el sonido lo que hay dentro. Envía un haz de neutrones a un cristal y observa cómo se dispersan. Con ese patrón se puede saber cómo vibran los pequeños imanes atómicos: los espines. Pero dónde cavar exactamente y cuánto tiempo escuchar, antes lo decidía una persona.

Una red neuronal entrenada con colisiones de protones y electrones transfirió sus habilidades a un experimento completamente diferente: la captura de neutrinos. Como un cocinero que aprendió a preparar cocina francesa y luego, sin preparación, hornea un excelente plov uzbeko.

Los monopolos magnéticos son como mitades de un imán que no pueden existir por separado en un material ordinario. Pero en el hielo de espín aparecen en pares, unidos por un hilo invisible: la cuerda de Dirac.

El agua de un río rodea las piedras, el aire se desvía alrededor del ala de un avión: estos movimientos se describen con ecuaciones que son difíciles de resolver incluso con una computadora potente. Las redes neuronales pueden aproximar estas soluciones, pero a menudo se equivocan cuando los datos se recogen solo en unos pocos puntos o están contaminados por ruido.

Los astrónomos miden las distancias en el universo mediante explosiones de estrellas especiales: las supernovas de tipo Ia. Estos destellos tienen casi siempre el mismo brillo, como bombillas de potencia conocida. Sabiendo cuánta luz nos ha llegado, se puede calcular a qué distancia ocurrió la explosión.

Una computadora normal, cuando busca una ley de la naturaleza a partir de datos, intenta adivinar una fórmula completa de una sola vez. Es como si un cocinero, sin conocer la receta, echara todos los ingredientes a la vez en la olla y esperara que saliera una sopa. La mayoría de las veces sale una papilla incomible: la fórmula es larga pero sin sentido, y con datos nuevos se equivoca.

Un trozo de combustible nuclear dentro del reactor no es solo un sólido. Al calentarse, los átomos de uranio comienzan a "mover" sus momentos magnéticos, y ese movimiento altera la conductividad térmica y otras propiedades.

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.

Las manchas solares son huellas de campos magnéticos que emergen a la superficie. Viven su propia vida: las manchas que aparecen más cerca del ecuador se inclinan más, mientras que las más alejadas lo hacen menos. Estos dos efectos, como dos perillas en una radio antigua, controlan cuánto campo magnético llega a los polos del Sol y se acumula allí para el siguiente ciclo.

Las estrellas en las afueras de las galaxias giran más rápido de lo que dictan las leyes de la física si solo contamos la materia visible. Esta paradoja fue descubierta en el siglo XX por Vera Rubin y Fritz Zwicky.

El campo magnético de la Tierra se asemeja a un río invisible que serpentea bajo nuestros pies. Los navegantes y los geólogos consultan los mapas de este río, pero los instrumentos toman lecturas solo en puntos aislados, y entre ellos quedan manchas blancas. Rellenarlas es como dibujar el cauce de un río a partir de unas pocas piedras encontradas en la orilla.

Dentro de una batería, como en un pastel de varias capas, conviven diferentes capas sólidas. El lugar donde se encuentran —el límite— se comporta de forma caprichosa: allí se concentran tensiones y, con el tiempo, la batería envejece. Para entender estos procesos se necesitan modelos informáticos que vean cada átomo. Pero los cálculos precisos son demasiado caros, y los rápidos, demasiado toscos.

Dentro del protón, los gluones zumban como abejas en una colmena, pegando entre sí a los quarks y a ellos mismos. Cuanto mayor es la energía de la colisión, más gluones emergen de la niebla. Los físicos llevan tiempo buscando una forma de describir ese enjambre con una única función sencilla, pero siempre había que ajustar la forma a cada experimento concreto.

En el detector del Gran Colisionador de Hadrones, después de cada colisión de protones quedan miles de puntos: las trazas de las partículas que se dispersan. Una red neuronal aprendió a ver patrones en este dibujo y a predecir qué ocurrió en el momento del impacto.