Redes neuronales de IA similares al cerebro humano optimizan el diseño de muros de hormigón

• Investigadores de la Universidad de Chile desarrollaron un método de la inteligencia artificial que enseña a las computadoras a procesar datos de manera similar a la del cerebro humano y podría ayudar a reducir costos y tiempos en el proceso.

El edificio chileno se caracteriza por el uso de muros hormigón armado de alta densidad y distribuidos en toda la planta del edificio, una estrategia que desempeña un papel fundamental en la conformación de formas y espacios flexibles, de mayor resiliencia ante emergencias naturales y que ha tenido un significativo impacto en la arquitectura contemporánea en el país.

«A lo largo de su historia, la evolución del edificio chileno se ha visto marcada por la modificación de las normas regulatorias y la experiencia acumulada en eventos sísmicos”, explica Leonardo Massone, gerente técnico del IDIEM y uno de los autores del trabajo, que corresponde a una tesis de magíster de ingeniería civil en la casa de estudios pública y firmado por Pablo Pizarro y el estudiante Christian Soledispa.

El objetivo del reporte es contribuir a la interacción entre las oficinas de arquitectos e ingenieros que participan en la definición final de un plan de diseño arquitectónico, optimizando la configuración estructural de los edificios en altura y haciendo también más eficiente el proceso, según destaca el experto del Centro de Investigación, Desarrollo e Innovación de Estructuras y Materiales (IDIEM).

EL AUGE DE LA IA

La metodología utiliza redes neuronales, un método de la inteligencia artificial que enseña a las computadoras a procesar datos de manera similar a la del cerebro humano. El modelo se basa en los datos de 165 inmuebles de altura en el país, y fue posible gracias a una función de mapeo capaz de generar vecindades dentro de los pisos y extraer las características geométricas y topológicas de los muros.

Durante el proceso de construcción, la colaboración entre arquitectos e ingenieros permite definir parámetros como el espesor y la longitud de muros y columnas, así como también, sus ubicaciones y eventuales nuevos muros en proyectos de edificios residenciales en el país. Esta etapa de la edificación no solo puede tomar varias semanas, sino también,  demandar altos costos y esfuerzos. E, incluso, conducir a importantes retrasos en los proyectos.

“Este estudio tiene como objetivo introducir muros y columnas no contempladas inicialmente en el diseño arquitectónico, pero que son esenciales para la configuración estructural, minimizando así el tiempo necesario para las interacciones entre ambas oficinas durante la fase de diseño”, sugiere Massone, quien destaca que el modelo no solo es aplicable a inmuebles en nuestro país, sino que supone una contribución valiosa al campo.

El uso de redes neuronales artificiales ha crecido exponencialmente en los últimos años, principalmente como consecuencia de la adopción del aprendizaje automático (o machine learning) como una herramienta relevante en el campo de la ingeniería estructural. En total, el conjunto de datos obtenidos de 165 edificios chilenos en altura considera 334 características, que abarcan atributos geométricos y topológicos y cuya aplicación en el modelo permite definir predicciones no establecidas en los planos originales de arquitectura, fijando nuevos elementos de muros y columnas con sus dimensiones y ubicaciones.