Por Canuto  

Investigadores del MIT desarrollaron un sistema que consulta a los ingenieros mientras un algoritmo diseña estructuras. En sus demostraciones, el método mejoró la manufacturabilidad y la carga de pandeo lineal en 39%, con apenas 15 segundos adicionales frente al diseño puramente algorítmico.
***

  • El sistema de optimización topológica identifica las zonas de un diseño donde la opinión humana podría aportar más.
  • En las demostraciones, la colaboración mejoró en 39% la manufacturabilidad y la carga de pandeo lineal.
  • La herramienta permite por ahora engrosar o adelgazar regiones y añadió 15 segundos al tiempo total de diseño.

 

Un equipo del Instituto Tecnológico de Massachusetts creó un sistema que pide retroalimentación a ingenieros mientras un algoritmo desarrolla estructuras. En pruebas, el enfoque mejoró la manufacturabilidad y la carga de pandeo lineal en 39%, con un incremento de apenas 15 segundos en el tiempo de diseño.

La propuesta busca reducir una de las barreras de la optimización topológica: los profesionales suelen conocer el resultado de la máquina cuando el proceso ya terminó, incluso si el diseño contiene características difíciles de construir o genera dudas sobre su solidez. El sistema permite intervenir durante la evolución de la estructura, aunque por ahora limita los ajustes a engrosar o adelgazar regiones seleccionadas.

Un proceso algorítmico que deja poco margen para intervenir

Los algoritmos ya han ayudado a producir componentes optimizados para aviones ultraligeros, antenas de gran ancho de banda y autos de Fórmula 1, según el reporte de MIT News publicado el 13 de noviembre de 2026. Esos métodos pueden explorar alternativas complejas que sería difícil idear manualmente, pero suelen requerir mucho tiempo y capacidad de cómputo antes de entregar un diseño terminado.

La técnica central del nuevo sistema, la optimización topológica, llena de manera iterativa el espacio disponible para una estructura y busca cumplir los objetivos definidos por quien diseña. El procedimiento puede encontrar configuraciones de alto rendimiento, aunque una solución matemáticamente atractiva no necesariamente resulta práctica para fabricar o adecuada para las condiciones que el ingeniero debe considerar.

Un ejemplo citado por los investigadores ilustra esa distancia entre optimización y construcción: algunos diseños pueden concentrar ocho o más conexiones de vigas en un mismo punto. Esa configuración puede ser difícil de producir en el mundo real, de modo que un resultado que funciona sobre el papel todavía requiere juicio técnico antes de convertirse en un edificio, un puente u otra estructura.

El equipo también identifica la lógica de caja negra como un obstáculo para la adopción industrial. Dat Ha, autor principal del trabajo y doctorado reciente en ingeniería civil y ambiental del MIT, señaló que los ingenieros pueden desconfiar de resultados inesperados y que, en el proceso tradicional, tienen poca agencia mientras el diseño se desarrolla.

El copiloto busca las zonas donde la opinión humana cuenta

Para incorporar esa experiencia sin detener a cada paso el cálculo, el sistema utiliza aprendizaje automático para localizar rápidamente las regiones de un diseño que probablemente convendría modificar. Después presenta esas zonas al diseñador humano, quien puede aportar criterios de manufactura, desempeño o estética mientras la estructura todavía está en desarrollo.

El modelo se entrenó con un conjunto de datos sintético que representa retroalimentación humana probable sobre miles de diseños. Las críticas simuladas se enfocaron en aspectos como la apariencia, los objetivos de rendimiento y la facilidad de fabricación; los investigadores plantearon que las decisiones humanas podían mostrar patrones útiles para entrenar al sistema.

La herramienta actual ofrece una capacidad acotada: el usuario puede hacer más gruesas o más delgadas las estructuras dentro de las regiones identificadas. El equipo espera sumar otras opciones de modificación en versiones futuras, pero el mecanismo presente ya permite que el conocimiento del dominio del ingeniero influya antes de que el algoritmo cierre su propuesta.

Josephine Carstensen, autora principal y profesora asociada de ingeniería civil y ambiental del MIT, describió el enfoque como una manera de combinar el cálculo algorítmico con el cerebro y la experiencia de quienes diseñan. La idea no consiste en reemplazar el algoritmo por una intervención manual completa, sino en darle al profesional una participación puntual sobre características que podrían resultar indeseables.

Resultados de las demostraciones y alcance para edificios y puentes

En las demostraciones, el método humano en el bucle elevó en 39% la manufacturabilidad y la carga de pandeo lineal, de acuerdo con los investigadores. La mejora se obtuvo con solo 15 segundos adicionales en el tiempo total de diseño frente a los enfoques puramente algorítmicos, una diferencia que el equipo presenta como un aumento modesto para incorporar decisiones humanas.

La carga de pandeo lineal se relaciona con la resistencia de una estructura frente a la inestabilidad causada por una carga, mientras que la manufacturabilidad se refiere a qué tan viable resulta producir el diseño. El reporte no presenta esos resultados como una certificación de seguridad para una obra construida; los describe como resultados de demostraciones del sistema de diseño.

La optimización topológica ha ganado terreno en sectores automotrices y aeroespaciales, pero se ha utilizado menos para diseñar edificios y puentes. Carstensen atribuye parte de esa diferencia a la limitada influencia que tienen los ingenieros sobre la evolución de la propuesta, así como a la dificultad de confiar en soluciones que pueden contener rasgos poco prácticos.

El sistema podría ampliar el acceso a estas herramientas entre ingenieros, investigadores y estudiantes, aunque la investigación no afirma que el método ya se utilice en proyectos de infraestructura construidos. Su aporte, por ahora, es demostrar una forma de introducir la revisión humana con un costo reducido de tiempo dentro de una tarea que suele exigir muchos recursos computacionales.

Una herramienta complementaria, no un reemplazo del criterio profesional

Los investigadores consideran que el diseño colaborativo puede convivir con los métodos basados únicamente en IA, en lugar de sustituirlos. Carstensen sostuvo que los enfoques puramente algorítmicos pueden ser apropiados cuando existen recursos computacionales suficientes, mientras que la alternativa con participación humana puede servir cuando el criterio profesional resulta necesario.

La intervención también puede ayudar a que quienes deben tomar la decisión final comprendan y acepten mejor el diseño antes de avanzar. Esa participación cobra importancia en entornos donde una persona debe aprobar la propuesta, aunque el equipo subraya que diseñar un artefacto de alto rendimiento no basta si después nadie puede o quiere construirlo.

Dat Ha trabaja ahora como diseñador estructural en LeMessurier. Entre los coautores figuran Ferdous Alam, antiguo investigador posdoctoral del MIT y actualmente profesor asistente en Georgia Tech; Markus Buehler, profesor de ingeniería Jerry McAfee (1940) del MIT; y Faez Ahmed, profesor asociado de ingeniería mecánica de esa institución.

El estudio se titula AI-Guided Human-In-the-Loop Inverse Design of High Performance Engineering Structures y se publicó como artículo de acceso abierto en Communications Engineering. El trabajo recibió apoyo parcial del MathWorks Engineering Fellowship Fund, TATA Steel y el MIT Generative AI Impact Consortium, según la información difundida por el instituto.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados