Un equipo de Caltech usa IA para anticipar puntos de inflexión en simulaciones
Investigadores demostraron un operador neuronal recurrente que anticipa transiciones abruptas en simulaciones climáticas y del flujo de aire sobre un ala.
Período del evento / de los datos: 2026-10-15
Publicado: · Actualizado:
Investigadores dirigidos por Caltech informaron el 15 de octubre de que un modelo de aprendizaje profundo llamado operador neuronal recurrente podía anticipar puntos de inflexión en simulaciones de sistemas sencillos. Las pruebas abarcaron un sistema de cambio climático y el flujo turbulento alrededor del ala de un avión; el estudio se publicó en PNAS.
El equipo propone usar la detección de que la física aprendida ya no explica la dinámica como señal de una transición abrupta próxima. Los resultados proceden de simulaciones y no validan un sistema de predicción en el clima real ni durante el vuelo. Participaron científicos de Caltech, la Universidad de Colorado en Boulder y NVIDIA.
Datos
Registro de investigación
Anuncio de investigación publicado el 15 de octubre
- · Ocurrido
Simulaciones con operador neuronal
Predicción de transiciones en simulaciones climáticas y de flujo sobre un ala.
Metodología
Los hallazgos son resultados de simulación descritos en PNAS y Caltech; no demuestran rendimiento predictivo operativo en el mundo real.
Actualizado:
Temas y lugares
Propuestas temáticas
- Inteligencia artificialSugerido
- Subject suggested from the title or summary: AIwww.caltech.edu ↗
Referencias geográficas
Solo se muestran referencias geográficas proporcionadas por la fuente. Abrir un mapa externo es opcional. Los mapas opcionales usan OpenStreetMap. Al abrirlos se envían tu dirección IP y la de este sitio al proveedor; los datos de ubicación pueden leerse sin cargar el mapa.
- Estados Unidos · Función del lugar: Cobertura · Tipo de lugar: País o área · Precisión de ubicación: RegionalEvidencia
- Explicit preserved editorial country/region; no city or national centroid inferredwww.caltech.edu ↗