Descubren una fórmula para pronosticar el efecto mariposa

Diagrama del efecto mariposa.
Diagrama del efecto mariposa.
Wikipedia / Wikimol
Diagrama del efecto mariposa.

La computación de reservorios es un algoritmo de aprendizaje automático desarrollado a principios de la década de 2000 que se utiliza para resolver problemas difíciles de computación, como pronosticar la evolución de los sistemas dinámicos que cambian con el tiempo, como el clima. 

Esto tiene mucho que ver con el llamado efecto mariposa, una metáfora de cómo los mínimos cambios realizados por una mariposa que agita sus alas pueden tener grandes consecuencias en el clima semanas después. 

Así, un nuevo tipo de computación que imita la forma en que funciona el cerebro humano trata de transformar la forma que tienen los científicos de solucionar algunos de los problemas de procesamiento de información más difíciles.

Así, un grupo de investigadores de la Universidad de Ohio State han encontrado una manera de hacer que lo que se llama computación de yacimientos funcione entre 33 y un millón de veces más rápido, con significativamente menos recursos informáticos y menos entrada de datos necesaria, según informan en un comunicado

De hecho, en una prueba, los investigadores resolvieron un complejo problema de computación en menos de un segundo usando una computadora de escritorio. Usando una tecnología actual, ese mismo problema hubiera necesitado una supercomputadora para resolver ese mismo problema.

"Podemos realizar tareas de procesamiento de información muy complejas en una fracción del tiempo utilizando muchos menos recursos informáticos en comparación con lo que puede hacer actualmente la computación de yacimientos”, explica Daniel Gauthier , autor principal del estudio y profesor de física en la Universidad Estatal de Ohio.

¿Cómo funciona?

El estudio, publicado en la revista Nature Communications, usa así la computación de yacimientos para aprender sistemas dinámicos, lo que puede proporcionar pronósticos precisos sobre cómo se comportarán en el futuro. Esto lo hace mediante el uso de una red neuronal artificial, algo así como un cerebro humano.

Los científicos introducen datos en una red dinámica en un "depósito" de neuronas artificiales conectadas aleatoriamente en una red. La red produce resultados útiles que los científicos pueden interpretar y retroalimentar a la red, construyendo un pronóstico cada vez más preciso de cómo evolucionará el sistema en el futuro.

Cuanto más grande y complejo sea el sistema y más preciso que los científicos quieran que sea el pronóstico, más grande debe ser la red de neuronas artificiales y más recursos informáticos y tiempo se necesitan para completar la tarea.

Los investigadores encontraron que todo el sistema de computación del yacimiento podría simplificarse enormemente, reduciendo drásticamente la necesidad de recursos de computación y ahorrando un tiempo significativo.

La comprensión del efecto mariposa

Probaron su concepto en una tarea de pronóstico que involucraba un sistema meteorológico desarrollado por Edward Lorenz, cuyo trabajo condujo a la comprensión del efecto mariposa.

La computación de yacimientos de nueva generación fue clara ganadora sobre el estado de la técnica actual en esta tarea de pronóstico de Lorenz. En una simulación relativamente simple realizada en una computadora de escritorio, el nuevo sistema fue de 33 a 163 veces más rápido que el modelo actual.

En una gran precisión de pronóstico, la computación de yacimientos de nueva generación fue aproximadamente 1 millón de veces más rápida. Y la informática de nueva generación logró la misma precisión con el equivalente a solo 28 neuronas, en comparación con las 4.000 que necesita el modelo de la generación actual, explica Gauthier.

"Lo que es emocionante es que esta próxima generación de computación de yacimientos toma lo que ya era muy bueno y lo hace significativamente más eficiente", concluye el investigador.

Mostrar comentarios

Códigos Descuento