Multi-Scale Uncertainty Propagation in Energy Geostructures: From Interface Mechanics to Urban Geothermal Systems, Urban Thermal Resilience, and Subsurface Urban Heat Island Mitigation

Resumen Técnico: Propagación de la Incertidumbre Multiescala en Geoestructuras Energéticas

Planteamiento del Problema
Las geoestructuras energéticas (GE)—cimientos, muros de contención y revestimientos de túneles integrados con intercambiadores de calor—ofrecen una vía crítica para la descarbonización de la calefacción y refrigeración urbana, mitigando al mismo tiempo las Islas de Calor Subsuperficiales Urbanas (ICSU). Sin embargo, el despliegue a gran escala de las GE se ve obstaculizado por una incertidumbre significativa. La investigación y las prácticas de diseño actuales abordan predominantemente la incertidumbre en escalas espaciales aisladas (mecánica de interfaz a microescala, rendimiento de una estructura individual a mesoescala o sistemas de distrito a macroescala) sin caracterizar adecuadamente cómo la incertidumbre se propaga a través de estas escalas. Esta fragmentación conduce a una falta de comprensión sobre cómo las variabilidades a microescala (por ejemplo, la rugosidad de la interfaz suelo-estructura, la resistencia térmica de contacto) influyen en los comportamientos acoplados termo-hidro-mecánicos (THM) y, en última instancia, en el balance térmico a escala de distrito y la resiliencia térmica urbana. Además, los enfoques de diseño deterministas existentes a menudo no logran considerar la heterogeneidad espacial inherente de los geomateriales, los errores de medición y las incertidumbres de la forma del modelo, lo que resulta en una posible subestimación de los riesgos de asentamiento y una sobreestimación del rendimiento térmico.

Metodología
Este estudio emplea una metodología de revisión crítica sistemática basada en el marco PRISMA 2020. Los autores analizaron 103 estudios revisados por pares publicados entre 2000 y 2026, seleccionados de un conjunto inicial de 412 registros. La revisión abarca cuatro dominios disciplinarios:

1. Geotecnia energética y modelado acoplado THM.
2. Cuantificación de la incertidumbre (UQ) y geomecánica probabilística.
3. Dinámica térmica subsuperficial y caracterización de las ICSU.
4. Inteligencia artificial (IA) y aplicaciones de gemelos digitales en ingeniería geotérmica.

La síntesis evalúa las fuentes de incertidumbre, los mecanismos de propagación, las metodologías de diseño probabilístico y las tecnologías digitales emergentes. La revisión examina específicamente la transición de marcos deterministas a probabilísticos y la integración de herramientas de IA como las Redes Neuronales Informadas por la Física (PINNs) y las Redes Neuronales Bayesianas (BNNs) en la gestión geotérmica.

Contribuciones Clave
El artículo realiza cinco contribuciones primarias a los campos de la geotecnia energética y la ingeniería geotérmica urbana:

1. Taxonomía de la Incertidumbre Multiescala: Los autores establecen una clasificación estructurada de las fuentes de incertidumbre a través de tres escalas espaciales:
   • Microescala (<1 m): Comportamiento de la interfaz suelo-estructura, resistencia térmica de contacto y heterogeneidad local de los materiales.
   • Mesoescala (1–100 m): Rendimiento de GE individuales, flujo de agua subterránea e interacciones THM acopladas.
   • Macroescala (>100 m): Redes de energía de distrito, regímenes térmicos de aguas subterráneas y dinámica de las ICSU a escala urbana.
2. Marco de Propagación de la Incertidumbre: La revisión identifica las vías mecanísticas a través de las cuales las incertidumbres de microescala (por ejemplo, la degradación de la interfaz, los efectos de la carga térmica cíclica) se propagan a través de los procesos THM para influir en el rendimiento estructural de la mesoescala y en los resultados térmicos urbanos de macroescala. Destaca que esta propagación es un proceso de amplificación no lineal más que una simple acumulación de errores.
3. Síntesis de Metodología Integrada: El documento compara diversos enfoques numéricos y probabilísticos, incluyendo la Simulación de Monte Carlo (MCS), el Modelado de Campos Aleatorios, los Métodos de Fiabilidad de Primer/Segundo Orden (FORM/SORM) y la Inferencia Bayesiana. Señala que, si bien estos métodos ofrecen capacidades complementarias para el diseño consciente de la incertidumbre, siguen estando infrautilizados en la práctica actual debido a sus costos computacionales y complejidad.
4. Marco de Inteligencia Geotérmica Urbana: Se propone un nuevo marco conceptual que integra el modelado THM, la cuantificación de la incertidumbre, la IA y los gemelos digitales. Este marco consta de seis capas interconectadas: Mecánica de Interfaz, Modelado THM Acoplado, Cuantificación de la Incertidumbre, Integración de Energía de Distrito, Gestión Térmica Urbana, e IA/Gemelos Digitales.
5. Hoja de Ruta de Investigación: La revisión identifica brechas de conocimiento críticas y propone cuatro prioridades estratégicas: la transición hacia estándares de diseño basados en la fiabilidad, el desarrollo de gemelos digitales geotérmicos urbanos, la cuantificación de las interacciones de gestión térmica a escala de distrito y la integración de la computación científica habilitada por IA para sistemas THM.

Resultados y Hallazgos

• Fuentes de Incertidumbre: Las incertidumbres dominantes incluyen la heterogeneidad de los materiales (conductividad térmica, permeabilidad hidráulica), la variabilidad de las condiciones de contorno (flujo de agua subterránea, clima) y la incertidumbre de la forma del modelo (leyes constitutivas, simplificaciones).
• Mecanismos de Propagación: Las incertididades originadas en la interfaz suelo-estructura (por ejemplo, las variaciones en la resistencia térmica de contacto) se propagan a través de los procesos THM acoplados, afectando la eficiencia del intercambio de calor, la redistribución de esfuerzos y el asentamiento a largo plazo. Estos efectos locales se agregan para influir en la interferencia térmica a escala de distrito y en los resultados de mitigación de las ICSU.
• Papel de la IA y los Gemelos Digitales: Las tecnologías emergentes muestran un potencial significativo para la actualización de modelos en tiempo real y la reducción de la incertidumbre. Las PINNs se destacan por su capacidad para integrar leyes físicas en las redes neuronales, reduciendo los requisitos de datos mientras aseguran la consistencia física. Las BNNs y los gemelos digitales se identifican como herramientas clave para la gestión de infraestructura adaptativa y la predicción probabilística.
• Mitigación de las ICSU: Se confirma que las GE son activos de doble función capaces de extraer el calor antropogénico para reducir la intensidad de las ICSU (potencialmente entre 0.5 y 1.0 °C por cada 100 GE en contextos piloto) mientras suministran energía renovable a las redes de distrito. Sin embargo, su efectividad está limitada por las incertidumbres en la evolución de la pluma térmica y el balance térmico a largo plazo.
• Limitaciones Actuales: La revisión encuentra que las prácticas de diseño actuales suelen tratar a las GE de forma determinista, descuidando la variabilidad espacial y el acoplamiento no lineal de los procesos térmicos, hidráulicos y mecánicos. Esto conlleva riesgos de ratcheting térmico, degradación de la interfaz e inexactitud en las predicciones de rendimiento.

Significancia y Reivindicaciones
El documento afirma que la propagación de la incertidumbre multiescala es el desafío crítico no resuelto en la geotecnia energética. Los autores sostienen que cerrar la brecha entre la mecánica de interfaz a escala de laboratorio y el rendimiento geotérmico a escala de ciudad es esencial para desarrollar infraestructuras urbanas fiables, adaptables y resilientes al clima.

La significancia de este trabajo radica en su cambio de una investigación compartimentada hacia una perspectiva integrada. Al proponer el Marco de Propagación de la Incertidumbre Multiescala y el Marco de Inteligencia Geotérmica Urbana, el artículo proporciona una base conceptual para la transición de la infraestructura geotérmica determinista hacia sistemas inteligentes conscientes de la incertidumbre. Los autores concluyen que realizar todo el potencial de las geoestructuras energéticas para ciudades climáticamente neutras requiere la convergencia del modelado basado en la física, los métodos probabilísticos, la detección en tiempo real y el aprendizaje automático científico, lo que exige la colaboración interdisciplinaria entre ingenieros geotécnicos, científicos de datos y planificadores urbanos.