Resolver la turbulencia ha sido, durante más de un siglo, uno de los grandes retos no resueltos de la física moderna. Este fenómeno, responsable de buena parte del consumo energético en vehículos y aviones, y de numerosas sacudidas durante los vuelos comerciales, se caracteriza por su complejidad extrema y su impredecibilidad. Ahora, un equipo de la Universitat Politècnica de València (UPV) y la Universidad de Michigan (UM) ha dado un paso decisivo hacia su comprensión, gracias al desarrollo de un modelo de inteligencia artificial explicable que identifica las regiones más influyentes de un flujo turbulento.
Publicado en la revista Nature Communications, el estudio representa un hito en la investigación sobre dinámica de fluidos. Su impacto potencial abarca desde la seguridad aérea hasta la eficiencia energética industrial. “Una mejor descripción de la turbulencia permite prever zonas peligrosas en vuelo y reducir riesgos para los pasajeros. También ayudaría a manipularla en procesos industriales, a mejorar la combustión o a disminuir la resistencia aerodinámica, un objetivo con un impacto económico gigantesco”, señala Sergio Hoyas, investigador del Instituto Universitario de Matemática Pura y Aplicada (IUMPA) de la UPV y coautor del trabajo.
Durante décadas, la turbulencia ha sido considerada un rompecabezas teórico y práctico. Las ecuaciones que la describen —las de Navier-Stokes— son tan complejas que ni siquiera los ordenadores más potentes han podido resolverlas completamente en condiciones reales. A esto se suma la dificultad experimental para medir con precisión los detalles de un flujo turbulento. Este escenario cambió con la llegada de la inteligencia artificial, pero con una limitación: la mayoría de modelos existentes funcionan como “cajas negras” que predicen el comportamiento del flujo sin explicar los mecanismos detrás de esa predicción.
El modelo desarrollado por el equipo de la UPV y la UM rompe con esa lógica. Se trata de una IA explicable, que no solo anticipa la evolución del flujo turbulento, sino que identifica con precisión qué regiones del mismo son responsables de su dinámica. “La IA nos da ahora una herramienta nueva con un potencial enorme para tratar de resolver el rompecabezas e identificar qué regiones de un flujo turbulento son realmente las más importantes en su evolución”, explica Andrés Cremades, también investigador del IUMPA.
Para entrenar su modelo, el equipo utilizó simulaciones numéricas de altísima precisión junto con técnicas de inteligencia artificial explicable conocidas como SHAP (SHapley Additive exPlanations), que permiten asignar peso a cada variable en función de su impacto en el resultado. Esto les permitió descomponer el flujo en sus componentes más relevantes desde el punto de vista dinámico. “Ahora sabemos exactamente qué regiones del flujo debemos modificar si queremos reducir la resistencia, mejorar la combustión o disminuir la contaminación”, resume Hoyas.
Las implicaciones prácticas de este avance son notables. Según los investigadores, la técnica podría aplicarse al diseño de estrategias de control más eficientes de la turbulencia, con el objetivo de reducir la fricción, el consumo energético o el desgaste en sistemas industriales. En un contexto global, donde se estima que hasta el 15 % de la energía mundial se pierde por efectos relacionados con la turbulencia, poder identificar con precisión las zonas clave del flujo puede transformar el diseño aerodinámico en sectores como la automoción, la aeronáutica o la energía eólica.
Pero el alcance del modelo va más allá del campo específico de la turbulencia. Según el investigador de la Universidad de Michigan Ricardo Vinuesa, coautor del artículo, la técnica también puede trasladarse a otros problemas físicos complejos donde sea necesario identificar qué factores son determinantes. “Demostrar la existencia y unicidad de soluciones de las ecuaciones de la mecánica de fluidos es conocido como el problema del millón de dólares. Resolver la turbulencia de forma práctica sería el problema del billón de dólares”, concluye.
Este trabajo no solo abre nuevas vías de investigación en física de fluidos, sino que refuerza el papel de la inteligencia artificial explicable como herramienta científica de primer orden, capaz de desentrañar fenómenos que hasta ahora se consideraban inabordables desde el punto de vista analítico o experimental.
ref.
Cremades, A., Hoyas, S., & Vinuesa, R. (2025). Classically studied coherent structures only paint a partial picture of wall-bounded turbulence. Nature Communications, 16(1), 10189. Classically studied coherent structures only paint a partial picture of wall-bounded turbulence | Nature Communications
Artículo redactado con asistencia de IA (Ref. APA: OpenAI. (2025). ChatGPT (versión 2025-12-21). OpenAI)
