The Marangoni Effect Algorithm: A Novel Physics-Inspired Metaheuristic for Global Optimization

Nel mondo dell'ingegneria e della scienza, trovare la migliore soluzione possibile a un problema complesso è spesso come cercare un singolo punto perfetto in un vasto paesaggio nebbioso. Il terreno è irregolare, pieno di valli profonde che sembrano il fondo del mondo ma che sono in realtà solo trappole locali, mentre il vero punto più basso giace nascosto altrove. Per decenni, gli scienziati si sono affidati a strumenti matematici per navigare questo terreno, ma quando il paesaggio diventa troppo frastagliato o la nebbia troppo fitta, quegli strumenti tradizionali spesso rimangono bloccati. Per risolvere questo problema, i ricercatori si sono rivolti alla natura e alla fisica, creando programmi informatici che imitano il modo in cui gli uccelli si radunano, come le formiche trovano il cibo o come la gravità attira gli oggetti. Questi programmi, noti come metaeuristiche, non garantiscono una risposta perfetta ogni volta, ma sono straordinariamente bravi nell'esplorare l'ignoto ed evitare vicoli ciechi, rendendoli essenziali per progettare tutto, dai grattacieli a modelli efficienti di apprendimento automatico.

Un team di ricercatori dell'Università di Zanjan, in Iran, ha introdotto un nuovo approccio a questa ricerca, ispirandosi a un fenomeno fluido specifico noto come effetto Marangoni. Questa è la forza fisica che causa il flusso di un liquido da aree a bassa tensione superficiale verso aree ad alta tensione superficiale. Un esempio familiare è le "lacrime di vino" che si vedono in un calice: man mano che l'alcol evapora dal sottile film che aderisce al vetro, crea una differenza di tensione che tira il liquido verso l'alto lungo il lato, solo per poi raccogliersi in gocce e ricadere verso il basso. I ricercatori, Masoud Mollayi e Mehdi Babaei, hanno compreso che questo ciclo naturale di diffusione e successivo raggruppamento poteva essere tradotto in una potente strategia di ricerca. Hanno costruito un algoritmo che imita questo comportamento, utilizzando la fase di diffusione per esplorare l'intero spazio di ricerca e la fase di raggruppamento per concentrarsi sulle aree più promettenti.

Il nuovo metodo, chiamato Marangoni Effect Algorithm, opera simulando uno sciame di gocce virtuali che si muovono attraverso un paesaggio digitale. All'inizio, l'algoritmo rilascia una goccia che si diffonde ampiamente, assicurando che la ricerca copra l'intera area disponibile. Man mano che il processo prosegue, l'algoritmi valuta quanto bene ogni goccia stia performando. Quelle che trovano soluzioni migliori vengono trattate come se si trovassero in regioni più superficiali e attraenti di un contenitore, facendo sì che le altre gocce si aggreghino o si muovano verso di esse. Fondamentalmente, l'algoritmo bilancia due necessità contrastanti: il bisogno di guardare lontano e in modo esteso per nuove possibilità, e il bisogno di restringere il campo e perfezionare le migliori scoperte. Lo ottiene riducendo gradualmente la distanza che le gocce possono percorrere durante la ricerca, proprio come una squadra di ricerca che inizia espandendosi in un intero campo per poi convergere lentamente su una posizione specifica una volta trovata una traccia.

Per testare se questo nuovo metodo funzioni effettivamente, i ricercatori lo hanno sottoposto a una serie rigorosa di prove contro altri quattro noti algoritmi di ricerca. Hanno utilizzato un set standard di ventitré difficili problemi matematici progettati per testare quanto bene un programma possa trovare il punto più basso in un paesaggio. Questi problemi variavano da colline semplici e lisce a terreni complessi e frastagliati con molti falsi fondali. Il team ha eseguito i test cinquanta volte per ogni problema per garantire che i risultati fossero coerenti e non solo colpi di fortuna. I risultati hanno dimostrato che il Marangoni Effect Algorithm è altamente efficace. Nei test riguardanti paesaggi semplici, ha trovato costantemente soluzioni migliori più velocemente rispetto agli altri metodi. Nei paesaggi più complessi e con molteplici picchi, dove altri algoritmi spesso rimanevano bloccati, il nuovo metodo ha dimostrato una capacità superiore di sfuggire alle trappole locali e trovare il vero ottimo globale in diversi casi specifici.

L'evidenza più sorprendente dell'affidabilità dell'algoritmo è derivata dalle sue prestazioni su un set specifico di problemi a dimensione fissa. Su cinque di queste sfide complesse (identificate come F16, F18, F21, F22 e F23), l'algoritmo ha trovato esattamente la stessa soluzione ottimale in ogni singola una delle cinquanta esecuzioni, mostrando zero variazione nei suoi risultati. Questo livello di coerenza suggerisce che il metodo non sta solo tirando a indovinare, ma sta seguendo un percorso robusto verso la risposta. Sebbene i ricercatori riconoscano che nessun algoritmo sia perfetto per ogni possibile problema, i loro risultati indicano che questo nuovo strumento ispirato alla fisica è un forte contendente per risolvere compiti di ottimizzazione difficili. Lo studio conclude che, prendendo in prestito la logica naturale del modo in cui i fluidi si muovono e si aggregano, hanno creato uno strumento di ricerca che è sia semplice da usare che straordinariamente preciso, offrendo un nuovo modo per affrontare le complesse sfide progettuali dell'ingegneria moderna.