Localized Generative Design of Ship Hulls with Diffusion Models and High-Fidelity Assessment

Diseñar un barco es una danza lenta y cuidadosa de compromiso. Los ingenieros deben dar forma a un casco que transporte una carga pesada, se mantenga erguido en mares agitados y corte el agua con el menor esfuerzo posible. El objetivo es reducir la resistencia o el arrastre, que ralentiza la embarcación, porque menos resistencia significa menos combustible y menores costos. Durante décadas, este ha sido un trabajo para expertos humanos que ajustan las formas a mano, probando cada nueva idea con complejas simulaciones por computadora. Pero la cantidad de formas posibles es tan vasta que encontrar la perfecta es como buscar una aguja en un pajar. Recientemente, ha surgido un nuevo tipo de programa informático que puede aprender de miles de diseños de barcos existentes e inventar nuevos por sí mismo. Estos programas, conocidos como modelos generativos, ofrecen una forma de automatizar la parte creativa del proceso. Sin embargo, hay un inconveniente: estos inventores digitales suelen producir formas que se ven bien en el papel, pero fallan cuando se prueban contra las leyes desordenadas e impredecibles de la física.

Un equipo de investigadores de la Universidad de Columbia Británica, trabajando con socios de la industria, se propuso ver si podían hacer que estos inventores digitales fueran útiles para el diseño de barcos en el mundo real. Se centraron en una parte específica de un barco: la proa, donde se encuentra el bulbo de proa. Este bulbo es una protuberancia debajo del agua en la proa que, cuando se diseña correctamente, cancela las olas y ahorra combustible. Los investigadores querían saber si una computadora podía aprender a ajustar solo esta sección frontal para hacer un barco más rápido, sin arruinar el resto de la embarcación. Construyeron un sistema que podía generar nuevas formas de casco y luego verificar inmediatamente qué tan bien funcionarían esas formas. Pero no se detuvieron en una rápida suposición de la computadora. Llevaron a los mejores candidatos digitales a someterse a una prueba rigurosa de alta fidelidad que simulaba el flujo del agua alrededor del barco con extrema precisión. Lo que encontraron fue una historia de promesa y limitación, revelando que, si bien la computadora puede generar nuevas ideas, todavía lucha por comprender la sutil física que hace que un barco sea verdaderamente eficiente.

Los investigadores comenzaron enseñando a un modelo computacional a comprender la geometría de un famoso buque de contenedores, el KRISO Container Ship. No le pidieron a la computadora que rediseñara todo el barco desde cero. En su lugar, le dijeron que se concentrara solo en la sección frontal, manteniendo el resto del barco exactamente igual. Este enfoque, llamado diseño localizado, es como trabajan los arquitectos navales reales; rara vez cambian una embarcación completa, prefiriendo refinar partes específicas. La computadora fue entrenada con miles de versiones ligeramente diferentes de la parte frontal del barco, aprendiendo los patrones que hacen que una forma sea suave y continua. Una vez que la computadora aprendió estos patrones, los investigadores la guiaron para buscar formas que crearan menos resistencia. Utilizaron un método que recompensaba a la computadora cuando encontraba una forma que parecía cortar el agua más fácilmente, basándose en un cálculo rápido y simplificado.

Para ver si estas formas generadas por computadora eran realmente mejores, el equipo las sometió a un proceso automatizado que simulaba el flujo del agua alrededor del casco. Esta simulación era mucho más detallada que la verificación rápida utilizada para guar a la computadora. Tenía en cuenta la viscosidad del agua, las olas creadas por el barco y la presión que empuja contra el casco. Probaron una de las creaciones de la computadora, que llamaron Modelo 1, contra el barco original. A una velocidad lenta, la nueva forma funcionó tan bien como la original. Pero a medida que la velocidad aumentaba, la nueva forma comenzaba a tener dificultades. A la velocidad típica de crucero del barco, la resistencia era casi un cincuenta por ciento mayor que la del original. El cálculo rápido que había guiado a la computadora había pasado por alto este aumento dramático de la resistencia. Había visto una forma que parecía prometedora en un rango estrecho de condiciones, pero falló al predecir cómo se comportaría esa forma cuando el agua se moviera más rápido.

Los investigadores plantearon entonces una pregunta más profunda: ¿era el problema el aprendizaje de la computadora o era la forma en que se describían las formas a la computadora? Para averiguarlo, adoptaron un enfoque diferente. En lugar de confiar en que la computadora inventara una nueva forma, pidieron a un arquitecto naval humano que refinara el barco original utilizando el mismo conjunto de reglas que la computadora debía seguir. El experto humano ajustó la parte delantera del barco para que coincidiera lo más posible con el original, pero dentro de los límites del sistema de descripción de la computadora. Esta nueva forma, llamada GenHull E, no tenía bulbo de proa en absoluto. El sistema que utilizaron los investigadores simplemente no podía describir un bulbo redondeado y suave; solo podía crear una forma que pareciera un cilindro plano. Cuando probaron esta forma refinada por un humano, los resultados fueron sorprendentes. A velocidades más bajas, era de hecho entre un seis y un ocho por ciento más eficiente que el barco original. Tenía menos área superficial tocando el agua, lo que reducía la fricción. Pero a medida que la velocidad aumentaba más allá de cierto punto, la falta de un bulbo se convertía en una desventía. Las olas generadas por la proa del barco se volvían más fuertes y la resistencia se disparaba. A las velocidades más altas probadas, la forma refinada por el humano era significativamente peor que la original.

Este punto de cruce, donde la nueva forma pasó de ser mejor a ser peor, ocurrió a una velocidad específica. Por debajo de esa velocidad, el beneficio de tener menos superficie mojada superaba la penalización de la falta del bulbo. Por encima de esa velocidad, la penalidad de la falta del bulbo abrumaba el beneficio. Los investigadores descubrieron que el sistema de recompensa de la computadora había fallado al no ver este intercambio. Había sido entrenada para buscar un solo número que representara el rendimiento promedio a través de un amplio rango de velocidades. Debido a que el barco pasa la mayor parte del tiempo a velocidades más altas, la computadora estaba sesgada hacia formas que funcionaban bien a esas velocidades, pero pasó por alto el giro brusco donde la física cambiaba. El experto humano, limitado por el mismo sistema de descripción rígido, produjo una forma que era mejor en algunas condiciones y peor en otras, pero la simple función de recompensa de la computadora no pudo capturar este matiz.

El estudio también reveló un costo oculto para la nueva forma. El casco refinado por el humano era menos estable que el original. Tenía una menor capacidad para mantenerse erguido en mares agitados, un requisito de seguridad crítico para cualquier barco. El sistema de la computadora no verificó esto; solo buscaba la resistencia. El ajuste del experto humano no contenía un término de estabilidad y, como resultado, el nuevo casco perdió 1.04 metros de centro de gravedad vertical permisible en comparación con el modelo de referencia. Esto resaltó una brecha en la tecnología: la computadora podía generar formas que se veían bien en una sola métrica, pero no comprendía la compleja red de requisitos que un barco real debe satisfacer.

Los investigadores concluyeron que, si bien los modelos generativos son herramientas poderosas para explorar nuevos diseños, aún no están listos para reemplazar el juicio humano. La computadora puede generar miles de variaciones rápidamente, pero necesita una forma mucho mejor de evaluarlas. Las fórmulas simples que utilizó para adivinar el rendimiento no fueron lo suficientemente precisas para detectar los cambios sutiles en la resistencia de las olas y la estabilidad. Para que estas herramientas sean verdaderamente útiles, los investigadores necesitan construir un sistema que pueda simular el flujo del agua con alta precisión para cada uno de los candidatos que genere. También necesitan enseñar a la computadora que una forma puede ser buena a una velocidad y mala a otra, y que la seguridad es tan importante como la velocidad. El camino a seguir implica combinar la velocidad de la computadora con la profundidad de las simulaciones de física de alta fidelidad, asegurando que los diseños digitales que crea no sean solo matemáticamente interesantes, sino físicamente reales y seguros.

El trabajo de este equipo sirve como un recordor de que, en la ingeniería, el diablo está en los detalles. Una forma que parece perfecta en un modelo simplificado puede fallar estrepitosamente cuando se tiene en cuenta el mundo real. Los investigadores no encontraron una solución mágica que resuelva el diseño de barcos de la noche a la mañana. En cambio, encontraron un mapa claro de dónde falla la tecnología actual y qué se necesita para llevarla a la meta. Demostraron que para automatizar verdaderamente el diseño de máquinas complejas, debemos enseñar a la computadora a ver el panorama completo, no solo las partes que son fáciles de medir. El futuro del diseño de barcos reside en una asociación donde la computadora realice el trabajo pesado de generar ideas, y el experto humano, armado con mejores herramientas, guíe esas ideas hacia una realidad que sea eficiente, segura y robusta.