Cuando hablamos de inteligencia artificial, solemos imaginar asistentes virtuales, vehículos autónomos o robots que imitan el comportamiento humano. Pero hay una rama menos conocida y profundamente poderosa de esta tecnología que está ayudando a resolver problemas que durante décadas solo podían abordarse con matemáticas complejas y costosos métodos computacionales. Se trata de las redes neuronales informadas por la física, un enfoque que combina la inteligencia artificial con las leyes fundamentales que rigen nuestro universo, como el calor, la mecánica o la electricidad. Estas redes buscan resolver ecuaciones diferenciales, que son el lenguaje con el que describimos fenómenos físicos, desde cómo fluye el agua hasta cómo se propaga una onda sísmica. Pero aunque suena prometedor, estos métodos aún enfrentan grandes desafíos: uno de ellos es que requieren mucho tiempo de entrenamiento y recursos computacionales.

Para hacer frente a este obstáculo, un equipo de investigación internacional ha desarrollado una solución novedosa: una técnica híbrida que combina métodos clásicos de optimización con un enfoque matemático llamado mínimos cuadrados. Esta mejora no solo acelera el entrenamiento de estas redes, sino que las hace más precisas y eficientes, acercándonos a una era en la que simular un terremoto o predecir el comportamiento de materiales complejos sea más accesible que nunca.

Hoy nos acompaña una de las investigadoras de este proyecto, Manuela Bastidas, profesora del departamento de Matemáticas de la Universidad Nacional de Colombia Sede Medellín, quien nos explicara en qué consiste esta técnica, cómo se integra la física en las redes neuronales y por qué esto podría cambiar la forma en que resolvemos problemas científicos y tecnológicos.

Link para acceder al artículo: https://www.sciencedirect.com/science/article/abs/pii/S0898122125000811

_{Twitter: @RadioUNAL Instagram: @RadioUNAL Facebook: @RadioUNAL}