Investigadores de Caltech y Harvard han desarrollado un método para utilizar el aprendizaje automático en la mejora del diseño de aviones, haciéndolos más seguros y eficientes. La computación cuántica podría acelerar aún más este proceso en el futuro.
Los flujos de aire turbulentos son caóticos e impredecibles: piensa en los baches y sacudidas que uno podría experimentar durante un vuelo de avión que atraviesa un aire turbulento. Con un mayor conocimiento de los flujos de aire turbulentos, los diseños de aviones podrían volverse más seguros, resistentes y, en última instancia, más eficientes en cuanto a combustible. Ahora, investigadores de Caltech y Harvard han desarrollado una forma de utilizar el aprendizaje automático para mejorar aún más el proceso de diseño.
Aunque los nuevos diseños pueden probarse de manera efectiva en experimentos a gran escala en túneles de viento, repetir esas pruebas para cada uno de los cientos de prototipos creados en el proceso de diseño resulta prohibitivamente caro y requiere mucho tiempo. Las simulaciones por computadora de flujos de aire turbulentos ofrecen una solución más económica y rápida. Sin embargo, la dificultad radica en que una simulación verdaderamente precisa debe capturar resoluciones tan finas como las diminutas partículas de polvo que influyen en el flujo de aire que rodea a un avión, así como resoluciones tan grandes como la escala de la Tierra, lo cual también requiere mucho tiempo.
Este problema podría superarse con la aplicación de la computación cuántica en el futuro, acelerando drásticamente los cálculos necesarios para estas simulaciones. Al combinar el aprendizaje automático con el poder de la computación cuántica, podríamos estar más cerca de lograr avances significativos en el diseño de aeronaves, lo que resultaría en vuelos más seguros y eficientes para todos.
