En el año 2000, el Instituto Clay definió siete problemas matemáticos cuya resolución merecería un premio de un millón de dólares. Uno de ellos sigue siendo un enigma: las ecuaciones de Navier-Stokes, que describen cómo se comportan fluidos como el agua, el aire o el plasma. Esta semana, Google DeepMind anunció avances inesperados gracias a redes neuronales informadas por física (PINNs), acercando un paso más a la ciencia a resolver un misterio de siglos.
Un problema con premio millonario
Las ecuaciones de Navier-Stokes son un conjunto de ecuaciones diferenciales que rigen la dinámica de fluidos. Aunque se aplican en meteorología, ingeniería, aviación y astrofísica, aún no existe una prueba matemática de que siempre tengan soluciones bien definidas. Comprenderlas del todo podría revolucionar la predicción climática, el estudio de la turbulencia y hasta los procesos cósmicos.
La apuesta de Google: enseñar física a la IA
El avance de DeepMind consistió en entrenar redes neuronales llamadas Physics-Informed Neural Networks (PINNs). A diferencia de otros modelos de inteligencia artificial, estas redes aprenden incorporando directamente las leyes físicas: cada resultado se compara con lo que dictan las ecuaciones, y el sistema ajusta sus cálculos para no desviarse de ellas.
El CEO de Google acaba de tener la entrevista más importante sobre IA de 2025.
Ha revelado datos alucinantes sobre la inteligencia artificial general que el 99% de la gente no conoce…
Incluido cuándo se producirá realmente la singularidad.
Estas son mis 8 conclusiones… pic.twitter.com/WUWGWo471O
— AleXpert (@alex_Xpert) July 19, 2025
Con este método, los investigadores hallaron soluciones inestables y singularidades nunca antes detectadas con técnicas convencionales. Algunas de ellas sugieren relaciones nuevas, como la vinculación entre la velocidad de explosión de un fluido y el nivel de inestabilidad del sistema.
Singularidades imposibles de alcanzar
El hallazgo más impactante fue la detección de familias de singularidades ocultas. Estas representan puntos críticos donde el fluido se comporta de manera extrema y caótica, imposibles de rastrear con métodos clásicos. Según los autores, la precisión alcanzada es equivalente a calcular el diámetro de la Tierra con un margen de error de apenas unos centímetros.
La era de la IA física
Las PINNs marcan un cambio de paradigma: no requieren cantidades masivas de datos y, al mismo tiempo, impiden que los modelos inventen soluciones que violen principios físicos. Para expertos, estamos entrando en la era de la IA física, donde el aprendizaje automático se combina con las leyes naturales para abordar problemas hasta ahora irresolubles.
Un futuro abierto
¿Estamos ante el primer paso hacia la resolución del problema del milenio? Los expertos advierten que aún no se trata de una demostración formal, sino de soluciones computacionales inéditas. Sin embargo, el avance muestra que la unión de inteligencia artificial y física puede desatar un nuevo renacimiento científico, capaz de transformar desde la climatología hasta la exploración espacial.
Fuente: Meteored.
