El algoritmo para predecir las órbitas de los planetas podría ser clave para el suministro de energía sin fin 

Un algoritmo informático desarrollado por un científico del Laboratorio de Física de Plasma de Princeton (PPPL) del Departamento de Energía de EE. UU. (DOE) puede predecir con precisión la órbita de los planetas en el sistema solar. Se basa en la inteligencia artificial (IA) para desarrollar predicciones basadas en la experiencia previa. 

Ahora, los fundamentos de ese algoritmo se están adaptando a otros dominios, específicamente en lo que respecta a la predicción y el control del plasma en las instalaciones de fusión. Estas instalaciones pueden recolectar energía de fusión, que alimenta al sol y las estrellas, en la Tierra.

Hong Qin es físico de PPPL y autor del artículo publicado en Informes científicos. 

“Normalmente, en física, se realizan observaciones, se crea una teoría basada en ellas y luego se usa esa teoría para predecir nuevas observaciones”, dijo Qin. “Lo que estoy haciendo es reemplazar este proceso con una especie de caja negra que puede producir predicciones precisas sin usar una teoría o ley tradicional”.

El programa de computadora

El programa informático desarrollado por Qin se basa en datos alimentados de observaciones anteriores sobre las órbitas de la Tierra, Marte, Mercurio, Venus, Jupter y el planeta enano Ceres. Junto con un "algoritmo de servicio", se pueden hacer predicciones precisas de las órbitas de otros planetas, todo sin el uso de las leyes de movimiento y gravitación de Newton.

“Esencialmente, pasé por alto todos los ingredientes fundamentales de la física. Voy directamente de datos a datos”, dijo Qin. “No hay una ley de la física en el medio”.

Joshua Burby es físico en el Laboratorio Nacional de Los Álamos del DOE. Recibió un doctorado con Qin.

“Hong enseñó al programa el principio subyacente que utiliza la naturaleza para determinar la dinámica de cualquier sistema físico”, dijo Burby. “El resultado es que la red aprende las leyes del movimiento planetario tras presenciar muy pocos ejemplos de entrenamiento. En otras palabras, su código realmente 'aprende' las leyes de la física”.

Experimentos de fusión

Estos principios y teorías ahora están siendo adaptados por Qi y Eric Palmerduca, quien es un estudiante graduado en el Programa de Física del Plasma de la Universidad de Princeton. La pareja está intentando usarlos para predecir el comportamiento de las partículas de plasma en los experimentos de fusión que tienen lugar en todo el mundo. 

La fusión es elementos de luz combinados en forma de plasma, y ​​​​es el poder detrás de las estrellas y el sol. El plasma representa el 99% del universo visible y tiene el potencial de producir cantidades masivas de energía. Si los científicos pueden replicar la fusión en la Tierra, nos proporcionaría un suministro interminable de energía para la electricidad. 

“En un dispositivo de fusión magnética, la dinámica de los plasmas es compleja y de múltiples escalas, y las leyes de gobierno o modelos computacionales efectivos para un proceso físico particular que nos interesa no siempre son claras”, dijo Qin. "En estos escenarios, podemos aplicar la técnica de aprendizaje automático que desarrollé para crear una teoría de campo discreto y luego aplicar esta teoría de campo discreto para comprender y predecir nuevas observaciones experimentales".

Los científicos también creen que esta nueva técnica podría desarrollar una teoría física tradicional. 

Si bien en cierto sentido este método descarta la necesidad de tal teoría, también puede considerarse un camino hacia ella —dijo Palmerduca—. Al intentar deducir una teoría, conviene disponer de la mayor cantidad de datos posible. Si se dispone de algunos datos, se puede usar el aprendizaje automático para completarlos o ampliar el conjunto de datos.