Investigadores desarrollaron una herramienta capaz de recorrer enormes cantidades de combinaciones posibles y hallar soluciones que la intuici\u00f3n no hab\u00eda anticipado<\/strong><\/p>\n La inteligencia artificial ya puede proponer experimentos de f\u00edsica que superan en precisi\u00f3n a dise\u00f1os concebidos por investigadores, un avance que apunta a automatizar una parte central del trabajo cient\u00edfico sin reemplazar la definici\u00f3n humana de los objetivos, inform\u00f3 el portal especializado en ciencia, investigaci\u00f3n y tecnolog\u00eda Phys.org.<\/p>\n El alcance de esa capacidad ya se extiende a varias \u00e1reas: el m\u00e9todo se utiliz\u00f3 para mejorar reactores de fusi\u00f3n, generar nuevas ideas para detectores de part\u00edculas y elaborar propuestas que vuelvan m\u00e1s sensibles a los sistemas de detecci\u00f3n de ondas gravitacionales \u2014perturbaciones en el espacio-tiempo producidas por eventos c\u00f3smicos extremos\u2014. La premisa es buscar, entre una cantidad inmensa de configuraciones posibles, la combinaci\u00f3n de componentes que ofrezca el mejor resultado experimental.<\/p>\n El hallazgo, publicado en la revista cient\u00edfica Nature, parte de una situaci\u00f3n habitual en la f\u00edsica experimental: un laboratorio re\u00fane l\u00e1seres, lentes, espejos, detectores y componentes electr\u00f3nicos que pueden combinarse de formas casi incontables. Elegir, entre todas esas posibilidades, una configuraci\u00f3n capaz de revelar con claridad alguna ley de la naturaleza ha dependido durante siglos de la intuici\u00f3n y la experiencia.<\/p>\n Ese l\u00edmite fue el que enfrent\u00f3 Mario Krenn, hoy profesor de aprendizaje autom\u00e1tico en ciencia en la Universidad de Tubinga, cuando era estudiante en Viena. \u00c9l y su grupo trabajaban en el montaje de un experimento cu\u00e1ntico, pero no encontraban una configuraci\u00f3n adecuada para demostrar los efectos que buscaban.<\/p>\n Krenn opt\u00f3 por traducir matem\u00e1ticamente los componentes disponibles y dejar que un algoritmo explorara combinaciones posibles. \u201cProgramarlo llev\u00f3 solo unas pocas horas. Luego me fui a casa y dej\u00e9 la computadora funcionando\u201d, relat\u00f3.<\/p>\n Al regresar a la oficina al d\u00eda siguiente, encontr\u00f3 un archivo con una propuesta. \u201cEso fue extremadamente emocionante. Empec\u00e9 a analizarla de inmediato y, en efecto, a diferencia de todos nosotros, la computadora hab\u00eda encontrado una configuraci\u00f3n experimental que cumpl\u00eda los criterios necesarios\u201d, enfatiz\u00f3 el investigador.<\/p>\n El punto central, explic\u00f3, no se parece al funcionamiento de los chatbots entrenados con grandes vol\u00famenes de datos para producir respuestas probables. En este caso, la m\u00e1quina no imita ni recombina: debe recorrer de forma sistem\u00e1tica un espacio gigantesco de configuraciones posibles para encontrar la mejor.<\/p>\n \u201cEs un problema de optimizaci\u00f3n enorme\u201d, afirm\u00f3 Krenn. El desaf\u00edo consiste en hallar la mejor soluci\u00f3n dentro de un n\u00famero abrumador de alternativas, no en imitar lenguaje humano ni en recombinar textos previos.<\/p>\n Para Philipp Haslinger, director del Centro de Microscop\u00eda Electr\u00f3nica de la TU Wien, los resultados ya son notables, en especial en microscop\u00eda electr\u00f3nica. All\u00ed reci\u00e9n comienza un trabajo sistem\u00e1tico con entrelazamiento cu\u00e1ntico \u2014un fen\u00f3meno en el que dos part\u00edculas pueden influirse mutuamente sin importar la distancia que las separa\u2014 y con nuevos conceptos cu\u00e1nticos de observaci\u00f3n.<\/p>\n Haslinger sostuvo que la intuici\u00f3n humana en esa \u00e1rea a\u00fan es limitada y que la inteligencia artificial puede identificar dise\u00f1os de microscopios que una persona probablemente no imaginar\u00eda. Esos dise\u00f1os, a\u00f1adi\u00f3, pueden producir im\u00e1genes mucho mejores o abrir posibilidades de medici\u00f3n completamente nuevas.<\/p>\n Seg\u00fan el portal, esto es posible porque las computadoras actuales ya pueden simular una amplia variedad de situaciones f\u00edsicas en tiempos manejables. Sobre esa base, la aspiraci\u00f3n es construir una suerte de simulador universal de f\u00edsica capaz de predecir qu\u00e9 ocurrir\u00e1 en un montaje experimental determinado y luego optimizarlo seg\u00fan la meta buscada.<\/p>\n Krenn precis\u00f3 que unas pocas ecuaciones fundamentales de la f\u00edsica ya permiten avanzar enormemente en el dise\u00f1o experimental. Si el sistema puede anticipar el comportamiento de una configuraci\u00f3n, tambi\u00e9n puede compararla con miles o millones de variantes y seleccionar la mejor.<\/p>\n No siempre, de todos modos, el resultado es f\u00e1cil de interpretar. \u201cA veces uno mira estas propuestas experimentales generadas por computadora y entiende enseguida la idea que hay detr\u00e1s, por qu\u00e9 el nuevo concepto funciona mejor que los enfoques anteriores\u201d, dijo Krenn. \u201cPero a veces tambi\u00e9n es muy dif\u00edcil de entender. Puedes calcular que la nueva configuraci\u00f3n funciona mejor, pero no logras expresar realmente con palabras por qu\u00e9\u201d, agreg\u00f3.<\/p>\n La definici\u00f3n del objetivo a\u00fan es una tarea humana. El investigador se\u00f1al\u00f3 que la dificultad est\u00e1 en establecer con la mayor precisi\u00f3n posible qu\u00e9 se quiere obtener y qu\u00e9 restricciones deben cumplirse, como un costo m\u00e1ximo o un l\u00edmite de energ\u00eda que el dispositivo pueda absorber sin explotar.<\/p>\n Esa parte del proceso delimita el papel actual de la automatizaci\u00f3n: la m\u00e1quina explora y optimiza, pero no decide por s\u00ed sola qu\u00e9 pregunta cient\u00edfica debe formularse. El rendimiento del sistema depende de c\u00f3mo se describan las metas y las condiciones del experimento.<\/p>\n