Redacción iAgua
Connecting Waterpeople
FLOVAC
Fundación Botín
Almar Water Solutions
Fundación CONAMA
Aganova
Kamstrup
Aqualia
s::can Iberia Sistemas de Medición
Confederación Hidrográfica del Segura
AMPHOS 21
HRS Heat Exchangers
IAPsolutions
Global Omnium
Fundación Biodiversidad
Lama Sistemas de Filtrado
GS Inima Environment
Vector Energy
MOLEAER
TEDAGUA
AGS Water Solutions
FENACORE
Innovyze, an Autodesk company
ICEX España Exportación e Inversiones
Minsait
Barmatec
SCRATS
KISTERS
EPG Salinas
TRANSWATER
Ingeteam
TecnoConverting
CAF
Red Control
Filtralite
Hach
Sacyr Agua
Hidroglobal
Hidroconta
ADECAGUA
ISMedioambiente
J. Huesa Water Technology
ONGAWA
Catalan Water Partnership
Amiblu
Likitech
Agencia Vasca del Agua
Laboratorios Tecnológicos de Levante
DATAKORUM
Ministerio para la Transición Ecológica y el Reto Demográfico
Rädlinger primus line GmbH
ACCIONA
ADASA
Xylem Water Solutions España
Molecor
RENOLIT ALKORPLAN
AECID
Idrica
Centro Nacional de Tecnología de Regadíos (CENTER)
Baseform
Grupo Mejoras
IRTA
Sivortex Sistemes Integrals
LACROIX
Cajamar Innova
Asociación de Ciencias Ambientales
ESAMUR
Consorcio de Aguas Bilbao Bizkaia
Saint Gobain PAM
Schneider Electric

Se encuentra usted aquí

Aprendizaje automático para comprender mejor el comportamiento del agua

  • Aprendizaje automático comprender mejor comportamiento agua

Sobre la Entidad

Redacción iAgua
Redacción de iAgua. La web líder en el sector del agua en España y Latinoamérica.

El agua lleva décadas intrigando a los científicos. Durante los últimos treinta años, han teorizado que cuando se enfría a temperaturas muy bajas, como -100ºC, el agua puede separarse en dos fases líquidas de densidades diferentes. Al igual que el aceite y el agua, estas fases no se mezclan y pueden ayudar a explicar algunos de los otros comportamientos extraños del agua, como el hecho de que se vuelva menos densa a medida que se enfría.

Sin embargo, es casi imposible estudiar este fenómeno en un laboratorio, porque el agua cristaliza en hielo muy rápidamente a temperaturas muy bajas. Ahora, una nueva investigación del Instituto de Tecnología de Georgia utiliza modelos de aprendizaje automático para comprender mejor los cambios de fase del agua, abriendo más vías para una mejor comprensión teórica de diversas sustancias. Con esta técnica, los investigadores hallaron pruebas sólidas en apoyo de la transición líquido-líquido del agua que pueden aplicarse a sistemas del mundo real que utilizan agua para funcionar.

"Lo estamos haciendo con cálculos de química cuántica muy detallados que intentan acercarse lo más posible a la física y la química física reales del agua", explica Thomas Gartner, profesor adjunto de la Facultad de Ingeniería Química y Biomolecular del Georgia Tech. "Es la primera vez que alguien ha podido estudiar esta transición con este nivel de precisión".

La investigación se presentó en el artículo "Liquid-Liquid Transition in Water From First Principles", en la revista Physical Review Letters, con coautores de la Universidad de Princeton.

Simulación del agua

Para comprender mejor cómo interactúa el agua, los investigadores realizaron simulaciones moleculares en superordenadores, que Gartner comparó con un microscopio virtual.

"Si tuviéramos un microscopio infinitamente potente, podríamos acercarnos hasta el nivel de las moléculas individuales y ver cómo se mueven e interactúan en tiempo real", explica.

Los investigadores analizaron cómo se mueven las moléculas y caracterizaron la estructura del líquido a distintas temperaturas y presiones del agua, imitando la separación de fases entre los líquidos de alta y baja densidad. Recopilaron muchos datos -algunas simulaciones duraron hasta un año- y siguieron afinando sus algoritmos para obtener resultados más precisos.

Para comprender mejor cómo interactúa el agua, los investigadores realizaron simulaciones moleculares en superordenadore

Incluso hace una década, realizar simulaciones tan largas y detalladas no habría sido posible, pero el aprendizaje automático ofrece hoy un atajo. Los investigadores utilizaron un algoritmo de aprendizaje automático que calculaba la energía de las interacciones entre las moléculas de agua. Este modelo realizó el cálculo mucho más rápido que las técnicas tradicionales, lo que permitió que las simulaciones avanzaran de forma mucho más eficiente.

El aprendizaje automático no es perfecto, por lo que estas largas simulaciones también mejoraron la precisión de las predicciones. Los investigadores probaron sus predicciones con distintos tipos de algoritmos de simulación. Si varias simulaciones daban resultados similares, validaban su precisión.

"Uno de los retos de este trabajo es que no hay muchos datos con los que podamos comparar, porque es un problema casi imposible de estudiar experimentalmente", explica Gartner.

Más allá del agua

Algunas de las condiciones que probaron los investigadores eran extremas y probablemente no existan directamente en la Tierra, pero podrían estar presentes en entornos acuáticos del sistema solar, desde los océanos de Europa hasta el agua del centro de los cometas. Sin embargo, estos descubrimientos también podrían ayudar a los investigadores a explicar y predecir mejor la extraña y compleja química física del agua, lo que ayudaría en su uso en procesos industriales, en el desarrollo de mejores modelos climáticos y mucho más.

El trabajo es incluso más generalizable, según Gartner. El agua es un campo de investigación muy estudiado, pero esta metodología podría ampliarse a otros materiales difíciles de simular, como los polímeros, o a fenómenos complejos como las reacciones químicas.

"El agua es fundamental para la vida y la industria, por lo que la cuestión de si el agua puede experimentar esta transición de fase es un problema que viene de lejos. "Pero ahora tenemos esta nueva técnica computacional realmente potente, pero aún no sabemos cuáles son los límites y hay mucho margen para avanzar en este campo".

Lee la noticia original en Smart Water Magazine.

La redacción recomienda