Controlar el caos mediante hardware informático de vanguardia: los modelos de gemelos digitales prometen avances en la informática

Los sistemas controlados por algoritmos informáticos de próxima generación podrían dar lugar a productos de aprendizaje automático mejores y más eficientes, sugiere un nuevo estudio.

Utilizando herramientas de aprendizaje automático para crear un gemelo digital (una copia virtual) de un circuito electrónico que muestra un comportamiento caótico, los investigadores descubrieron que lograron predecir cómo se comportaría y utilizar esa información para controlarlo.

Muchos dispositivos cotidianos, como los termostatos y el control de crucero, utilizan controladores lineales, que utilizan reglas simples para dirigir un sistema a un valor deseado. Los termostatos, por ejemplo, emplean dichas reglas para determinar cuánto calentar o enfriar un espacio en función de la diferencia entre las temperaturas actuales y deseadas.

Sin embargo, debido a lo sencillos que son estos algoritmos, tienen dificultades para controlar sistemas que muestran un comportamiento complejo, como el caos.

Como resultado, los dispositivos avanzados, como los automóviles y aviones autónomos, a menudo dependen de controladores basados ​​en aprendizaje automático, que utilizan redes complejas para aprender el algoritmo de control óptimo necesario para operar de manera eficiente. Sin embargo, estos algoritmos tienen inconvenientes importantes, el más exigente de los cuales es que pueden resultar extremadamente desafiantes y costosos desde el punto de vista computacional de implementar.

Ahora, tener acceso a un gemelo digital eficiente probablemente tendrá un gran impacto en la forma en que los científicos desarrollan futuras tecnologías autónomas, dijo Robert Kent, autor principal del estudio y estudiante de posgrado en física en la Universidad Estatal de Ohio.

el trabajo es publicado en el diario Comunicaciones de la naturaleza.

«El problema con la mayoría de los controladores basados ​​en el aprendizaje automático es que utilizan mucha energía y su evaluación lleva mucho tiempo», dijo Kent. «También ha sido difícil desarrollar controladores tradicionales para ellos porque los sistemas caóticos son extremadamente sensibles a los pequeños cambios».

Estas cuestiones, dijo, son críticas en situaciones en las que milisegundos pueden marcar la diferencia entre la vida y la muerte, como cuando los vehículos autónomos deben decidir frenar para evitar un accidente.

Lo suficientemente compacto como para caber en un chip de computadora económico capaz de equilibrarse en la punta de su dedo y funcionar sin conexión a Internet, el gemelo digital del equipo fue construido para optimizar la eficiencia y el rendimiento de un controlador, lo que, según descubrieron los investigadores, resultó en una reducción del consumo de energía. Lo logra con bastante facilidad, principalmente porque fue entrenado utilizando un tipo de enfoque de aprendizaje automático llamado computación de reservorio.

«Lo mejor de la arquitectura de aprendizaje automático que utilizamos es que es muy buena para aprender el comportamiento de los sistemas que evolucionan con el tiempo», afirmó Kent. «Está inspirado en cómo se generan las conexiones en el cerebro humano».

Aunque se han utilizado chips de tamaño similar en dispositivos como refrigeradores inteligentes, según el estudio, esta novedosa capacidad informática hace que el nuevo modelo esté especialmente bien equipado para manejar sistemas dinámicos como vehículos autónomos y monitores cardíacos, que deben ser capaz de adaptarse rápidamente a los latidos del corazón del paciente.

«Los grandes modelos de aprendizaje automático tienen que consumir mucha energía para procesar datos y obtener los parámetros correctos, mientras que nuestro modelo y entrenamiento son tan extremadamente simples que se podrían tener sistemas que aprenden sobre la marcha», dijo.

Para probar esta teoría, los investigadores dirigieron su modelo para completar tareas de control complejas y compararon sus resultados con los de técnicas de control anteriores. El estudio reveló que su enfoque logró una mayor precisión en las tareas que su contraparte lineal y es significativamente menos complejo computacionalmente que un controlador anterior basado en aprendizaje automático.

«El aumento de la precisión fue bastante significativo en algunos casos», dijo Kent. Aunque el resultado mostró que su algoritmo requiere más energía que un controlador lineal para funcionar, esta compensación significa que cuando se enciende, el modelo del equipo dura más y es considerablemente más eficiente que los controladores actuales basados ​​en aprendizaje automático en el mercado.

«La gente encontrará un buen uso de él simplemente en función de su eficiencia», afirmó Kent. «Puedes implementarlo en prácticamente cualquier plataforma y es muy sencillo de entender». El algoritmo se puso recientemente a disposición de los científicos.

Además de inspirar posibles avances en ingeniería, también existe un incentivo económico y ambiental igualmente importante para crear algoritmos más eficientes en el uso de energía, dijo Kent.

A medida que la sociedad se vuelve más dependiente de las computadoras y la inteligencia artificial para casi todos los aspectos de la vida diaria, la demanda de centros de datos está aumentando, lo que lleva a muchos expertos a preocuparse por el enorme apetito de energía de los sistemas digitales y lo que las industrias futuras deberán hacer para mantenerse al día.

Y debido a que la construcción de estos centros de datos, así como los experimentos informáticos a gran escala, pueden generar una gran huella de carbono, los científicos están buscando formas de frenar las emisiones de carbono de esta tecnología.

Para avanzar en sus resultados, el trabajo futuro probablemente se orientará hacia el entrenamiento del modelo para explorar otras aplicaciones como el procesamiento de información cuántica, dijo Kent. Mientras tanto, espera que estos nuevos elementos lleguen a la comunidad científica.

«No hay suficiente gente que conozca este tipo de algoritmos en la industria y la ingeniería, y uno de los grandes objetivos de este proyecto es conseguir que más gente los conozca», afirmó Kent. «Este trabajo es un gran primer paso para alcanzar ese potencial».

Otros coautores de Ohio State incluyen a Wendson AS Barbosa y Daniel J. Gauthier.