Por Miriam Valenzuela N.
La tribología es un estudio multidisciplinario que abarca la biología, la química, la ingeniería, las ciencias de los materiales, las matemáticas y la física. Estudia la ciencia y tecnología de las superficies que interactúan en movimiento relativo (fricción, desgaste y lubricación), sean sistemas naturales o artificiales; y es un área donde la inteligencia artificial también está realizando avances, a través del aprendizaje de máquinas.
La inteligencia artificial y, en particular, los métodos de aprendizaje automático, han ganado una notable atención en la comunidad tribológica, debido a la capacidad para predecir parámetros tribológicamente relevantes, como el coeficiente de fricción o el espesor de la película de aceite, por ejemplo, lo que podemos observar en la interacción entre cilindro/pistón en automóviles, explica Andreas Rosenkranz, académico del Departamento de Ingeniería Química, Biotecnología y Materiales (DIQBM) de la FCFM.
“Se ha demostrado que la aplicación de inteligencia artificial y aprendizaje automático es una forma poderosa y eficiente de predecir las características tribológicas y el rendimiento de los materiales con respecto a recursos y tiempo valiosos. De esta forma, estas técnicas combinan la estadística y el aprendizaje automático, imitando la inteligencia humana a un nivel más inconsciente o poco transparente”, sostiene.
Un método destacado que emplean las máquinas para aprender es mediante el uso de redes neuronales artificiales (ANN, por su sigla en inglés), que se basan en la trama de neuronas del cerebro humano y tienen la capacidad de aprender de manera similar a cómo lo hacen los seres humanos.
Actualmente, se hace interesante la utilización en diversos campos de la tribología de las redes neuronales artificiales para problemas fundamentales y problemas aplicados no lineales de gran complejidad. Sobre ello, el investigador explica que “en el futuro, los métodos de inteligencia artificial podrían aplicarse en muchos más campos de la tribología, como la aditivación de aceites (modificadores de viscosidad y fricción), por ejemplo. En el caso de estas nanopartículas, podría facilitar la capacidad de predecir los resultados de experimentos realizados con diversas composiciones de materiales, distintas condiciones de prueba, y facilitando la predicción de su concentración óptima. Planteamos la hipótesis de que estos enfoques inteligentes serán útiles para predecir el tamaño de las nanopartículas y así reducir eficazmente la fricción y el desgaste”, agrega.
A través de la implementación de distintos modelos de inteligencia artificial, se pueden utilizar enfoques para predecir la probabilidad de formación de una tribocapa (un recubrimiento que tiene una fricción baja y una muy alta resistencia al desgaste), que nos indica la interacción compleja entre diferentes condiciones operativas y que pueden ser útiles para respaldar la caracterización y clasificación de la topografía de la superficie involucrada, en caso de una rugosidad superficial estocástica o incluso superficies texturizadas determinísticas, señala.
Con los rápidos desarrollos en el área de algoritmos y potencia de computación, así como la creciente disponibilidad y reutilización de datos, la utilización de inteligencia artificial en tribología ciertamente aumentará en los próximos años. Para ampliar la gama de aplicaciones y mejorar la precisión de los modelos de IA, los investigadores plantean la creación de una plataforma abierta en línea, en la que la comunidad de tribología podría compartir datos de simulaciones numéricas, caracterizaciones de superficies y experimentos, plantea el académico. También, existe el potencial para lograr que la base de datos de esta plataforma no solo contenga simulaciones numéricas o trabajo experimental a escala de investigación en laboratorio, sino que también incluya datos operativos reales de aplicaciones reales como elementos de máquinas o componentes de motores.
DATO: En el paper The Use of Artificial Intelligence in Tribology- A Perspective, Rosenkranz, junto a los científicos Max Marian, Francisco J. Profito, Nathan Aragon y Raj Shah, proyectan los avances de la implementación de la inteligencia artificial en la investigación tribológica.
