En nuestro planeta ocurren múltiples fenómenos físicos, algunos de gran connotación para la vida humana. Un ejemplo de estos son los eventos extremos que se producen en el mar como gigantescas olas marinas que aparecen de la nada y desaparecen sin dejar rastro.

Este tipo de eventos no sólo pueden tener enormes costos materiales, sino también pérdida de vidas. Con esto en mente, un grupo liderado por científicas internacionales busca entender estos eventos con la ayuda de una de las herramientas más sofisticadas de la tecnología, el Deep Learning.

“Lo que estudiamos son fenómenos físicos ondulatorios (ondas) muy poco frecuentes pero con una intensidad enorme (gran tamaño). En esta investigación, el objetivo es comenzar a resolver un rompecabezas, utilizando ondas de luz creadas en un cristal sensible a la misma donde se producen eventos extremos, muy parecidos a los que ocurren en el mar”, indicó Carla Hermann Avigliano, académica del Instituto Milenio de Investigación en Óptica, MIRO.

“Nuestro objetivo es explorar si podemos enseñarle o no a una computadora a reconocer este tipo de eventos. Y la respuesta es sí, sí se puede”, agregó la también investigadora del Departamento de Física FCFM de la Universidad de Chile, quien junto con la Dra. Aleksandra Maluckov lideró el trabajo.

Para lograr lo anterior, el equipo utilizó la herramienta del Deep Learning o Aprendizaje Profundo, el que logró identificar cuándo un evento es extremo o no, utilizando datos que fueron previamente recopilados de forma experimental y numérica.

Máquinas y humanos

“Utilizamos el enfoque de red neuronal de convolución, uno de los métodos del Aprendizaje Profundo. En otras palabras, las computadoras son los principales operadores. Recopilamos datos del experimento mismo y modelos numéricos de ellos, definimos algunas características, preparamos los bloques de la red y finalmente recopilamos e interpretamos sus resultados, concluyendo que una computadora sí puede aprender a identificar este tipo de eventos”, explicó la académica.

El trabajo fue dividido en dos fases. Primero, la experimentación y la formulación de modelos simples de la propagación de la luz a través de los cristales fotorrefractivos, lo que demoró unos 6 meses y tuvo un primer artículo publicado, el que se puede ver en este enlace.

Después de algún tiempo comenzaron con los cálculos de la red neuronal de convolución, para saber si una computadora podría aprender a reconocer estos eventos, lo que tardó otros 6 meses.

La investigación fue liderada por la Doctora Aleksandra Maluckov, del Vinča Institute of Nuclear Sciences, University of Belgrade. Ella, junto con sus colegas Ana Mancic, Marija D. Ivanovic y Ljupco Hadzievski, fueron los encargados de entrenar las computadoras a través de Deep Learning.

Para leer el artículo original, publicado en la revista Journal of Physics, IOP Sciene, bajo el título de “Deep learning-based classification of high intensity light patterns in photorefractive crystals” (“Clasificación basada en el aprendizaje profundo de patrones de luz de alta intensidad en cristales fotorrefractivos”), puedes pinchar acá.