Las espumas aparecen en la vida cotidiana como jabones, cremas de afeitar, cremas batidas y emulsiones alimenticias como la mayonesa. Durante muchos años, los científicos creyeron que las espumas se comportaban de manera muy parecida al vidrio, con sus diminutos componentes desordenados pero atrapados en posiciones esencialmente fijas.
Una nueva investigación ahora desafía esa visión de larga data. Ingenieros de la Universidad de Pensilvania descubrieron que, si bien las espumas mantienen su forma general, sus interiores están en constante movimiento. Aún más inesperado, las matemáticas que describen estos movimientos se parecen al aprendizaje profundo, una técnica utilizada para entrenar sistemas modernos de inteligencia artificial.
Este hallazgo sugiere que el aprendizaje, en un sentido matemático amplio, puede ser un principio organizador compartido entre sistemas físicos, biológicos y computacionales. El trabajo también podría guiar esfuerzos futuros para crear materiales que se adapten y respondan a su entorno. Incluso puede ayudar a los científicos a comprender mejor las estructuras vivas que deben reconstruirse constantemente, como el andamiaje interno de las células.
Burbujas que nunca se asientan
En un estudio publicado por el Dr. Actas de la Academia Nacional de CienciasLos investigadores utilizaron simulaciones por computadora para seguir el movimiento de las burbujas en una espuma húmeda. En lugar de asentarse finalmente, las burbujas tienden a moverse a través de muchos arreglos posibles.
Desde un punto de vista matemático, este comportamiento es análogo a realizar un aprendizaje profundo. Durante el entrenamiento, un sistema de IA ajusta repetidamente sus parámetros (la información que define lo que una IA “sabe”) en lugar de encerrarse en un único estado final.
“Las espumas se reforman constantemente”, dice John C. Crocker, profesor de ingeniería química y biomolecular (CBE) y coautor principal del artículo. “Es interesante que la espuma y los sistemas modernos de IA parezcan seguir los mismos principios matemáticos. Comprender por qué sucede esto sigue siendo una cuestión abierta, pero podría cambiar la forma en que pensamos sobre los materiales adaptativos e incluso los sistemas vivos”.
Por qué la espuma desafía la física tradicional
Las espumas suelen comportarse como sólidos a escala humana. Por lo general, conservan su forma y pueden recuperarse después de ser comprimidos. Sin embargo, en escalas mucho más pequeñas, las espumas se consideran materiales “bifásicos”, compuestos de burbujas suspendidas en un fondo líquido o sólido.
Debido a que las espumas son fáciles de fabricar y, sin embargo, exhiben un comportamiento mecánico complejo, los científicos las han utilizado durante mucho tiempo como sistemas modelo para estudiar otros materiales densos y dinámicos, incluidas las células vivas.
Las teorías tradicionales tratan las burbujas de espuma como rocas rodando a través de un paisaje energético. En este escenario, las burbujas caen a posiciones que requieren menos energía para mantenerse y luego permanecen allí. Esta idea ayudó a explicar por qué las espumas parecen estables una vez formadas, muy parecidas a las rocas en el fondo de un valle.
Un desajuste entre teoría y realidad
Cuando los investigadores examinaron los datos reales de la espuma, descubrieron que el comportamiento no se alineaba con estas predicciones. Según Crocker, los signos de esta discrepancia aparecieron hace unas dos décadas, pero no existían herramientas matemáticas adecuadas para explicar completamente lo que estaba sucediendo.
“Cuando realmente analizamos los datos, el comportamiento de la espuma no coincidía con las predicciones de la teoría”, dijo Crocker. “Empezamos a ver estas anomalías hace unos 20 años, pero todavía no teníamos las herramientas matemáticas para describir lo que realmente estaba sucediendo”.
Resolver este rompecabezas requiere un nuevo enfoque, uno que pueda describir sistemas que continúan cambiando sin siquiera establecerse en una configuración única y estática.
Aprendiendo de la inteligencia artificial
Los sistemas de IA modernos aprenden ajustando continuamente los parámetros numéricos durante el entrenamiento. Los primeros enfoques intentaron impulsar estos sistemas hacia una única solución óptima que coincidiera perfectamente con sus datos de entrenamiento.
El aprendizaje profundo se basa en un enfoque de optimización que implica una técnica matemática llamada descenso de gradiente. Estos métodos llevan de forma iterativa a un sistema a una configuración que reduce el error paso a paso, de forma muy parecida a ir cuesta abajo a través de un paisaje.
Con el tiempo, los investigadores se dieron cuenta de que llevar los modelos demasiado lejos hacia las soluciones más profundas posibles generaba problemas. Los sistemas que se ajustan demasiado a sus datos de entrenamiento se vuelven frágiles y funcionan mal con nueva información.
“La idea clave fue darse cuenta de que en realidad no se desea empujar el sistema hacia el valle más profundo posible”, dijo Robert Riggleman, profesor de CBE y coautor principal del artículo. “Usarlo en una parte más plana del paisaje, donde muchas soluciones funcionan igualmente bien, es lo que permite que estos modelos se generalicen”.
La espuma y la IA siguen las mismas reglas
Cuando el equipo de Penn volvió a examinar sus datos sobre espumas utilizando esta perspectiva, la similitud se hizo evidente. Las burbujas de espuma no se asientan en posiciones profundas y estables. Más bien, se mueven dentro de un amplio rango donde muchas configuraciones son igualmente efectivas.
Esta velocidad de carrera es muy similar a cómo funcionan los sistemas de inteligencia artificial modernos cuando aprenden. Las mismas matemáticas que ayudan a explicar por qué funciona el aprendizaje profundo también capturan lo que hacen las espumas todo el tiempo.
Implicaciones para los materiales y los sistemas vivos.
Los hallazgos plantean nuevas preguntas en un campo que muchos creían que ya se conocía bien. Esto por sí solo puede ser una de las contribuciones más importantes del estudio.
Al demostrar que las burbujas de espuma no se congelan en un estado similar al del vidrio, sino que se mueven de una manera que los algoritmos aprenden, la investigación anima a los científicos a repensar cómo se comportan otros sistemas complejos.
El equipo de Crocker ahora está revisando el sistema que despertó por primera vez su interés en las espumas: el citoesqueleto, las estructuras microscópicas dentro de las células que sustentan la vida. Al igual que la espuma, el citoesqueleto debe reorganizarse constantemente preservando su estructura general.
“Es una pregunta interesante por qué las matemáticas del aprendizaje profundo identifican con precisión las burbujas”, dijo Crocker. “Esto indica que estas herramientas pueden ser útiles fuera de su contexto original, abriendo la puerta a una línea de investigación completamente nueva”.
Esta investigación se llevó a cabo en la Escuela de Ingeniería y Ciencias Aplicadas de la Universidad de Pensilvania y contó con el apoyo de la División de Investigación de Materiales de la Fundación Nacional de Ciencias (1609525, 1720530).
Los coautores adicionales incluyen a Amaruthesh Thirumlaiswamy y Clary Rodríguez-Cruz.
