Las redes neuronales predicen las fuerzas en los sólidos granulares atascados
Investigadores dirigidos por la Universidad de Gotinga desarrollan un nuevo método de aprendizaje automático para comprender las cadenas de fuerza
La materia granular está a nuestro alrededor. Algunos ejemplos son la arena, el arroz, los frutos secos, el Café e incluso la nieve. Estos materiales están formados por partículas sólidas lo suficientemente grandes como para no experimentar fluctuaciones térmicas. En cambio, su estado viene determinado por influencias mecánicas: al agitarlas se producen "gases granulares", mientras que por compresión se obtienen "sólidos granulares". Una característica inusual de estos sólidos es que las fuerzas dentro del material se concentran a lo largo de trayectorias esencialmente lineales llamadas cadenas de fuerza cuya forma se asemeja a la de un rayo. Además de los sólidos granulares, otros sólidos complejos, como emulsiones densas, espumas e incluso grupos de células, pueden presentar estas cadenas de fuerza. Los investigadores dirigidos por la Universidad de Gotinga utilizaron el aprendizaje automático y las simulaciones por ordenador para predecir la posición de las cadenas de fuerza. Los resultados se han publicado en Nature Communications.
Figura que muestra la configuración de un sólido granular típico (lado izquierdo). La red de fuerzas o cadena de fuerzas en dicho material se muestra en el lado derecho.
Rituparno Mandal
La formación de cadenas de fuerza es muy sensible a la forma en que interactúan los granos individuales. Esto hace que sea muy difícil predecir dónde se formarán las cadenas de fuerza. Combinando simulaciones por ordenador con herramientas de inteligencia artificial, investigadores del Instituto de Física Teórica de la Universidad de Göttingen y de la Universidad de Gante abordaron este reto desarrollando una novedosa herramienta para predecir la formación de cadenas de fuerza tanto en materia granular sin fricción como con fricción. El enfoque utiliza un método de aprendizaje automático conocido como red neuronal gráfica (GNN). Los investigadores han demostrado que las GNN pueden entrenarse con un enfoque supervisado para predecir la posición de las cadenas de fuerza que surgen al deformar un sistema granular, dada una estructura estática no deformada.
"Entender las cadenas de fuerza es crucial para describir las propiedades mecánicas y de transporte de los sólidos granulares y esto se aplica en una amplia gama de circunstancias - por ejemplo, cómo se propaga el sonido o cómo la arena o un paquete de granos de café responden a la deformación mecánica", explica el Dr. Rituparno Mandal, del Instituto de Física Teórica de la Universidad de Göttingen. Mandal añade: "Un estudio reciente sugiere incluso que los seres vivos, como las hormigas, aprovechan los efectos de las redes de cadenas de fuerza cuando remueven los granos de tierra para excavar eficazmente un túnel".
"Experimentamos con diferentes herramientas basadas en el aprendizaje automático y nos dimos cuenta de que una GNN entrenada puede generalizar notablemente a partir de los datos de entrenamiento, lo que le permite predecir las cadenas de fuerza en nuevas muestras no deformadas", dice Mandal. "Nos fascinó lo robusto que es el método: funciona excepcionalmente bien para muchos tipos de materiales granulares generados por ordenador. Actualmente estamos planeando ampliarlo a sistemas experimentales en el laboratorio", añade Corneel Casert, coautor de la Universidad de Gante. El autor principal, el profesor Peter Sollich, del Instituto de Física Teórica de la Universidad de Gotinga, explica: "La eficacia de este nuevo método es sorprendentemente alta para diferentes escenarios con un tamaño de sistema, una densidad de partículas y una composición de diferentes tipos de partículas que varían. Esto significa que será útil para entender las cadenas de fuerza de muchos tipos de materia y sistemas granulares".
El estudio ha sido posible gracias a la financiación del programa de investigación e innovación Horizonte 2020 de la Unión Europea con una beca Marie Skłodowska-Curie.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria alimentaria y de bebidas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de la industria de alimentos y bebidas le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
