Algoritmo para predecir las órbitas de los planetas podría ser la clave para un suministro de energía ilimitado

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

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

Hong Qin es un físico del PPPL y autor del artículo publicado en Scientific Reports.

“Por lo general, en física, se hacen observaciones, se crea una teoría basada en esas observaciones y luego se utiliza 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 utilizar una teoría o ley tradicional.”

El programa de computadora

El programa de computadora desarrollado por Qin se basa en datos alimentados desde observaciones pasadas sobre las órbitas de la Tierra, Marte, Mercurio, Venus, Júpiter 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, salté todos los ingredientes fundamentales de la física. Voy directamente de los datos a los datos”, dijo Qin. “No hay ley de la física en el medio.”

Joshua Burby es un físico del Laboratorio Nacional de Los Álamos del DOE. Obtuvo un doctorado bajo la supervisión de Qin.

“Hong enseñó al programa el principio subyacente utilizado por la naturaleza para determinar la dinámica de cualquier sistema físico”, dijo Burby. “El beneficio es que la red aprende las leyes del movimiento planetario después de ver 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 se están adaptando por Qi y Eric Palmerduca, quien es un estudiante de posgrado en el Programa de Física de Plasma de la Universidad de Princeton. La pareja está tratando de utilizarlos para predecir el comportamiento de partículas de plasma en experimentos de fusión, que tienen lugar en todo el mundo.

La fusión es la combinación de elementos ligeros en forma de plasma, y es la fuerza 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 ilimitado de energía para la electricidad.

“En un dispositivo de fusión magnética, la dinámica de los plasmas es compleja y multi-escala, y las leyes o modelos computacionales efectivos para un proceso físico particular que nos interesa no siempre están claros”, dijo Qin. “En estos escenarios, podemos aplicar la técnica de aprendizaje automático que desarrollé para crear una teoría de campo discreta y luego aplicar esta teoría de campo discreta para entender y predecir nuevas observaciones experimentales.”

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

Aunque en cierto sentido este método preclude la necesidad de tal teoría, también se puede ver como un camino hacia una”, dijo Palmerduca. “Cuando estás tratando de deducir una teoría, te gustaría tener tanto datos a tu disposición como sea posible. Si se te da algunos datos, puedes utilizar el aprendizaje automático para llenar los vacíos en esos datos o expandir el conjunto de datos de otra manera.”