Ahorro espectacular del tiempo de computación para modelos informáticos

Un nuevo algoritmo, que podría ser aplicado a una amplia gama de complicados problemas tratados en modelos informáticos, acelera la velocidad de procesamiento en estos hasta tal punto que, cálculos que requieren habitualmente de varios días, pasan a completarse en varias horas.

Trabajar con modelos informáticos es trabajar en un mundo de incógnitas: los modelos que simulan procesos físicos complejos, desde el clima cambiante de la Tierra al rendimiento de los motores de combustión hipersónicos, son asombrosamente complejos, algunas veces incorporando cientos de parámetros, cada uno de los cuales describe una parte de un proceso mayor.

Los parámetros constituyen a menudo interrogantes dentro de sus modelos, siendo básicamente desconocidas sus contribuciones al todo. Para estimar el valor de cada parámetro desconocido se necesita introducir cientos, sino miles, de valores, y ejecutar el modelo en cada ocasión para acercarse cada vez más al valor preciso, un proceso de computación que puede llevar días, y a veces semanas.

Ahora, el equipo de Youssef Marzouk, del Instituto Tecnológico de Massachusetts (MIT), en Cambridge, Estados Unidos, ha desarrollado un nuevo algoritmo que reduce enormemente la computación de casi cualquier modelo informático.

El nuevo algoritmo, más que probar sistemáticamente cada valor, tiene en cuenta las probabilidades, que va calculando cada vez mejor conforme se suceden varias ejecuciones de un modelo. Valiéndose de esta estrategia, y en combinación con algunos datos relevantes, se acerca cada vez más a su objetivo: una distribución de probabilidad de valores para cada parámetro desconocido.

Imágenes de un modelo informático para investigación y pronósticos meteorológicos. (Imagen: Wikipedia / Almoz)

 

Con este método, en pruebas realizadas los investigadores han logrado dar con la misma respuesta encontrada por los enfoques informáticos clásicos, pero 200 veces más rápido que estos.

 

Al principio del análisis, el algoritmo dibuja lo que podríamos comparar con dianas grandes e imprecisas a lo largo de todo el terreno del tablero. Después de sucesivas ejecuciones con el modelo y con los datos, las dianas del algoritmo se van estrechando progresivamente, centrándose en los picos del “terreno”, los espacios o valores que muy probablemente representan el parámetro desconocido.