Búsqueda · 25 momentos en 9 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor SocasGastón Giribetmotores hall serie kht estudiosimulaciones motores hall realesdatos semirreales parámetros aleatoriosred neuronal diversidad entrenamientovalidación datos experimentales michiganmodelo hall nn predicción empujeerrores modelo hall inferiores escalasimulaciones entrenamiento modelo hallaprendizaje profundo identifica patrones gilred mejora simulaciones juan carlos gilestructuras ocultas datos aprendizaje profundoSaraJuan Carlos Gilecuaciones de MaxwellCPUUniversidad de Michiganmotores serie KHTmodelo Hall NNserie KHTmotores HallFrancisInteligencia ArtificialSimulacionesPICHéctor Socassimulaciones de BlasovFrancis Villatoro
Red mejora simulaciones Juan Carlos Gil
Ep 503: Propulsión Espacial; Computación Cuántica; Fusiones de Estrellas de Neutrones; Agujeros Negros
13 de marzo de 202510 momentos
Con
0:000:301:001:302:002:303:12
Juan Carlos Gil reflexiona sobre la capacidad del aprendizaje profundo para identificar patrones y estructuras ocultas en los datos.
…puntos, 18.000 generados, ¿cómo? Por simulaciones. Simulaciones híbridas, de las que hablamos antes, PIC, y esas para iones y átomos neutros pero para los electrones utilizaban de nuevo un fluido sin masa porque si no no les daría para hacer 18.000 ¿vale? De esos 18.000 puntos, 13.500 correspondían a simulaciones de motores Hall reales que fabrican de la serie KHT, que fabrican dos de las entidades del estudio. Dos de las propias filiaciones del estudio hacen motores iónicos y por eso han financiado este estudio. Y otros 3.500 se los añaden a los datos semirreales porque son simulados con parámetros aleatorios: motores un poquito absurdos para darle gracia a la red neuronal, para aumentar su diversidad, la diversidad del conjunto de entrenamiento. Y una vez que está entrenada la red, la validan con datos como experimentales porque tienen los motores. Los motores de la serie KHT reales y además otro que no aparece para nada en datos de entrenamiento: que es un motor real de la Universidad de Michigan. Bueno, resumiendo, los resultados son muy buenos: el empuje tiene errores inferiores a entre el 5 y el 9%, que aquí esto es tremendo, y la corriente de descarga entre el 6 y el 12%. Estos errores son inferiores a las leyes de escala que se utilizaban hace menos de 10 años y son comparables a los errores, a las diferencias que tienen las simulaciones que paradójicamente son las que se han utilizado para entrenar. No sé si me he explicado. Tenemos motores reales para validar, simulaciones de esos motores reales para entrenar la red. Bueno, pues los resultados de la red son mejores, un poquito mejores que las propias simulaciones. O sea, eso es la magia, Sara, desde mi punto de vista, del aprendizaje profundo, ¿no? Que no interpola ciegamente los datos, no, no, sino que es capaz de ver patrones, capturar estructuras ocultas que están por ahí. Y en este caso, de alguna forma, pues suaviza Exacto, busca patrones, pero cuidado que estas redes neuronales no son profundas, son strike forward de toda la vida Para entrenar un número M grande no puedes poner cosas muy profundas porque te eternizaría, porque las tienes que entrenar todas en…
Significado #1 · Palabras #2
Juan Carlos Gil explica la dificultad de optimizar motores eléctricos mediante métodos teóricos y el alto costo de su prototipado, lo que lleva a considerar técnicas modernas como simulaciones e Inteligencia Artificial.
Habla: Juan Carlos GilSignificado #12motores eléctricos optimización teóricaprototipado caro motores eléctricossimulaciones inteligencia artificial motores…muchísimo la eficiencia de la ionización y la estabilidad del maldito plasma que como todos sabemos es en los motores de futuro, en los reactores futuros de fusión pues es uno de los problemas que se están abordando en la actualidad: como controlar el plasma. Es decir, queremos motores eléctricos pero optimizarlos por métodos teóricos no es posible; por prototipos es tremendamente caro y es aquí ahora sí donde entran los artículos que os quería comentar pues recurramos a técnicas modernas como simulaciones o Inteligencia Artificial. Y de esto van dos artículos, uno de cada una de las dos técnicas que os he comentado. El primero se titula Simulaciones de Blasov del haz de propulsión eléctrica y se ha publicado en la revista Plasma Sources Science and Technology el 11 de diciembre del año pasado. Está firmado por Chen Kui y Joseph Wang, de la Universidad del Sur de…
Juan Carlos Gil describe cómo estudios recientes han mejorado la simulación de motores electrostáticos al incorporar cinética y considerar electrones, aunque de forma simplificada.
Habla: Juan Carlos GilPalabras #12simulación motores electrostáticos cinéticamodelo pic partículas en celdamacropartículas electrones cationes malla espacialordenadores cuánticos simulación partículas…masa y usaban leyes empíricas para los iones de laz, con lo cual te dan un modelo que con una calculadora programable se podría explorar, pero claro, no capturaban nada bien la física del sistema; desde luego nada cinético, era todo completamente estático. Estudios más recientes han mejorado esto; han incorporado de alguna forma la cinética, explicitando los electrones, pero de forma burda. Es lo que se llama el modelo, la forma de simularlo, PIC, P-I-C, Particle in Cell, partículas en celda, que consiste en considerar grupos, no cada partícula independiente. No nos dan los ordenadores todavía; quizá los cuánticos algún día, considerar grupos de partículas cargadas; de nuevo las partículas son electrones y los cationes, lo que llaman macropartículas, hacen una malla espacial y distribuyen macropartículas en esa malla y. entonces se resuelve el campo electromagnético con todas las cargas por ahí dispersas; se calculan las fuerzas de Lorentz resultantes sobre cada una de las metapartículas, macropartículas estas en la malla; se integra su movimiento según la segunda ley de…
Juan Carlos Gil recuerda su trabajo en la tesis doctoral, donde simulaba iones en disolución simplificando el agua como un baño con tim debido a limitaciones computacionales.
Habla: Juan Carlos GilPalabras #17simulación iones disolución tesis doctoralagua como baño con tim limitaciones computacionalesfuerzas colómbicas repulsión entre átomos gil…de siempre, con un paso de tiempo chiquitito, pero suficientemente grande para alargar la simulación, pero chiquitito para que no haya estabilidad numérica; se actualizan las posiciones de estas macropartículas y se repite el ciclo todas las veces que puedas. Tal cual lo que hice yo en mi tesis. En los años 90 yo utilizaba, simulaba iones en disolución y para mí el agua era un baño con tim. No tenía capacidad de cálculo para explicitar las moléculas de agua. Recordad es parecido. Yo por supuesto mis fuerzas también eran colómbicas y de repulsión entre los átomos. Bien, ¿qué ocurre con este método PIC? Pues que es extraordinariamente ruidos. En cuanto el número de partículas en una celda dada, pues no es de varios miles. En este artículo que os voy a comentar, de hecho, hacen una técnica mucho mejor y calculan el…
Juan Carlos Gil menciona que las simulaciones de Blasov, una técnica costosa computacionalmente, se han utilizado previamente en fusión nuclear y astrofísica.
Habla: Juan Carlos GilSignificado #13 · Palabras #13simulaciones blasov fusión nuclearsimulaciones blasov astrofísicaartículo simulaciones blasov corona solar…un número absurdo de celdas y de partículas Así que este artículo lo que ha hecho ha sido atreverse, una técnica que ya se conocía, pero que era también muy cara en términos de ordenador y que yo sepa es la primera vez que se utiliza para motores espaciales. Sí que se ha utilizado para fusión nuclear y en astrofísica, simulaciones de Blasov. ¿A ti te suena de algo, Héctor? Esto de simulación de Blasov con dos Vs, tengo que preguntar a Héctor porque lo mencionan en el artículo que no se queda de la corona del Sol, pero sí debe ser algo un poquito exótico. Bueno, las ecuaciones de Blasov-Poisson son muy famosas, ¿no? Exactamente. En los plasmas de toda la vida. Eso sí. Vamos, que lo que hacen es resolver las ecuaciones de Poisson-Blasov; considera un plasma sin colisiones, son las expresiones 1 y 2 del artículo…
Juan Carlos Gil expresa dudas sobre si ha explicado correctamente una técnica relacionada con mallas 'staggers' para resolver ecuaciones y ahorrar tiempo de cómputo.
Habla: Juan Carlos GilSignificado #3mallas staggers ecuaciones maxwelltécnica ahorro tiempo cómputosimulaciones mundo juan carlos gil…malla, y entre velocidades para el movimiento de lo que pasa en la celda usas la otra malla. Es decir, al tener las dos mallas estás trabajando con la mitad del paso espacial pero tú solo operas con datos, con un número de datos que correspondería al doble. No sé si lo he explicado bien. Eso utiliza mucho para resolver las ecuaciones de Maxwell y muchas cosas, y te ahorra la mitad de tiempo de cómputo. Pues está relacionado, sí; no he entendido del todo el detalle de la técnica que dices, pero claro, yo es que vengo del mundo en el que en una simulación. miras una partícula y sabes su posición y su velocidad, ¿vale? O sea, violas el principio de incertidumbre, no sabes completamente dónde está y qué velocidad tiene, pero aquí van por separado, ¿no? Lo cual es curioso. Bueno, la malla del espacio físico que…
Juan Carlos Gil comenta sobre una optimización en el tamaño de la malla utilizada en simulaciones, señalando que no se trata de una malla Stagg literal sino de dos mallas paralelas con escalas diferentes.
Habla: Juan Carlos GilSignificado #4malla stagg a escala distintasimulaciones numéricas 40000 pasoscódigo paralelizado 800 núcleos cpuoptimización tamaño malla gil…la de escape de las partículas y la Y tiene la mitad, los 800 por 400, bueno porque el problema tiene simetría radial, justifican que les va bien Eso para la espacial y para la velocidad utilizan 256 por 256, porque han usado este número pues se me escapa, es Curioso, han debido optimizar el tamaño de la palabra. Entonces no es una malla literalmente Stagg, son dos mallas en paralelo a escala distinta, porque tienen números de puntos distintos. Sí, sí, y además es radical: 256 por 256, curiosísimo. Bueno, usan 40.000 pasos de simulación numéricos y todo esto les lleva 100 horas, 4 días completos, usando 800 núcleos de CPU. Por supuesto el código que han desarrollado está completamente paralelizado. Pero esto ahora, Francis, nos habla de unos cubits y unos ordenadores cuánticos, y lo resolvemos todo en un microsegundo; ya verás. Estos son simulaciones 2D, es decir, son simulaciones que cualquiera de los PCs de las personas que nos están oyendo…
Juan Carlos Gil reflexiona sobre la naturaleza cíclica de las simulaciones científicas, comparando el tiempo de ejecución actual con su experiencia durante su tesis doctoral.
Habla: Juan Carlos GilSignificado #5simulaciones tardan fin de semanatesis doctoral viernes simulacionescpus disponibles serie tesismemoria doctorado semana especial…las puede simular. No se requiere un supercomputador, es algo real de pequeño: 800 x 400, 256 x 256, cabe en los ordenadores actuales con gigas de RAM. Lo que pasa es que son fuerzas de largo alcance; bueno, que se les van 800 núcleos de CPU en 4 días. Yo quería comentar que pasan las décadas y siempre las simulaciones tardan un fin de semana. En mi día de tesis, mi día crítico era el viernes para asegurarme de que nada, de que todo estaba corriendo para llegar el lunes y que la mayor parte de las simulaciones que había lanzado en serie para no sobresaturar las CPUs disponibles estuviesen acabadas. Eso me interesó, creo que todos tenemos en memoria de nuestro doctorado un día especial de esa semana. En la tesis El mío era el miércoles; el miércoles era el día en el que nunca hacía cálculos difíciles, porque tengo mi argumento, pero yo creo que un día podríamos hacer una discusión acerca de las razones de cada uno. Yo recuerdo haber discutido ese tema con…
Juan Carlos Gil explica cómo las simulaciones con bajo ruido les permiten calcular magnitudes dependientes de momentos más altos, como la función de distribución de velocidades de los electrones y su temperatura.
Habla: Juan Carlos GilSignificado #11malla más grande espacio fasessimulaciones pic contornos densidad ionespotencial electrónico eléctrico resultanteerrores ridículos método pic bordes colafrancis describe simulaciones maravillosofunción distribución velocidades electronestemperatura flujo calor plumasimulaciones bajo ruido gil…hemos buscado las vueltas. Sí, ahora veo en el artículo por qué se necesitan tantos; pone eso, que se necesitan, son 40.000 millones de puntos de malla. Es que la malla de 800x400 en cada punto de esa malla se aplica a su vez la malla en velocidad de 256x256. Tienes muchas 256x256, tantas como 800x400 Entonces obviamente necesitas un tamaño, una malla mucho más grande de lo que pensábamos Claro, porque los has segregado y por tanto tienes que considerar todo el espacio de fases, la multiplicación de ambos de alguna forma Bueno, pues eso, calculan con esta cantidad de CPUs contornos de densidad de iones y electrones por separados, el potencial electrónico eléctrico resultante, los comparan con simulaciones previas del método este más burdo PIC, por supuesto son congruentes, pero el PIC tiene unos errores ridículos, sobre todo en los bordes de la cola, y esto le da igual, es súper suave, como diría Francis, es maravilloso con lo ¿Cuál, bueno, validan sus simulaciones y este bajo ruido es lo que nos permite calcular magnitudes que dependen de momentos más altos? Tienes la función de distribución de velocidades de los electrones y por tanto su temperatura, su flujo de calor y bueno, pues caracterizan varias cosas interesantes de la pluma que no se conocían. O sea, estamos hablando, en fin, que estas técnicas de verdad permiten acceder a la física del problema sin tener que fabricar los motores. Primero, la distribución de velocidades axial a lo largo de la pluma es prácticamente más hueliana, con una pequeña pérdida, lo que llaman una cola negativa, en la dirección de vuelta al motor; mientras que la dirección transversal, radial, tiene una…
Juan Carlos Gil reflexiona sobre la capacidad del aprendizaje profundo para identificar patrones y estructuras ocultas en los datos.
Habla: Juan Carlos GilSignificado #1 · Palabras #2motores hall serie kht estudiosimulaciones motores hall realesdatos semirreales parámetros aleatoriosred neuronal diversidad entrenamientovalidación datos experimentales michiganmodelo hall nn predicción empujeerrores modelo hall inferiores escalasimulaciones entrenamiento modelo hallaprendizaje profundo identifica patrones gilred mejora simulaciones juan carlos gilestructuras ocultas datos aprendizaje profundo…puntos, 18.000 generados, ¿cómo? Por simulaciones. Simulaciones híbridas, de las que hablamos antes, PIC, y esas para iones y átomos neutros pero para los electrones utilizaban de nuevo un fluido sin masa porque si no no les daría para hacer 18.000 ¿vale? De esos 18.000 puntos, 13.500 correspondían a simulaciones de motores Hall reales que fabrican de la serie KHT, que fabrican dos de las entidades del estudio. Dos de las propias filiaciones del estudio hacen motores iónicos y por eso han financiado este estudio. Y otros 3.500 se los añaden a los datos semirreales porque son simulados con parámetros aleatorios: motores un poquito absurdos para darle gracia a la red neuronal, para aumentar su diversidad, la diversidad del conjunto de entrenamiento. Y una vez que está entrenada la red, la validan con datos como experimentales porque tienen los motores. Los motores de la serie KHT reales y además otro que no aparece para nada en datos de entrenamiento: que es un motor real de la Universidad de Michigan. Bueno, resumiendo, los resultados son muy buenos: el empuje tiene errores inferiores a entre el 5 y el 9%, que aquí esto es tremendo, y la corriente de descarga entre el 6 y el 12%. Estos errores son inferiores a las leyes de escala que se utilizaban hace menos de 10 años y son comparables a los errores, a las diferencias que tienen las simulaciones que paradójicamente son las que se han utilizado para entrenar. No sé si me he explicado. Tenemos motores reales para validar, simulaciones de esos motores reales para entrenar la red. Bueno, pues los resultados de la red son mejores, un poquito mejores que las propias simulaciones. O sea, eso es la magia, Sara, desde mi punto de vista, del aprendizaje profundo, ¿no? Que no interpola ciegamente los datos, no, no, sino que es capaz de ver patrones, capturar estructuras ocultas que están por ahí. Y en este caso, de alguna forma, pues suaviza Exacto, busca patrones, pero cuidado que estas redes neuronales no son profundas, son strike forward de toda la vida Para entrenar un número M grande no puedes poner cosas muy profundas porque te eternizaría, porque las tienes que entrenar todas en…
Tras analizar los resultados del modelo Hall NN y su entrenamiento, Juan Carlos Gil describe cómo la red entrenada ofrece una mejora significativa en el tiempo de cálculo en comparación con las simulaciones iniciales.
Habla: Juan Carlos GilSignificado #2 · Palabras #1modelo hall nn entrenamientosimulación chunga tiempo cálculored entrenada 9000 veces menosblaso tardaba 4 días 800 núcleos…los resultados del entrenamiento con la gráfica de los errores de mínimos cuadráticos es una pasada. O sea, es que ves como la gráfica es del libro, como baja el error, qué gozado. Es tremendo, o sea, conseguimos mejores resultados que las simulaciones. un poquito chunguillas, no eran blaso, eran pic más fluido sin masa, pero claro, una vez que está la red entrenada, a toda caña, dicen que tardan 9.000 veces menos que la simulación chunga esta, la blaso ya decíamos que tardaba 4.000, ¿cómo era? 4 días en 800 núcleos O sea, esto es un Modelo que está disponible, que ahora vas con tus parámetros de diseño y te saca el empuje, lo cual es realmente bueno. Acabo Héctor, no me pongas esa cara. La propulsión eléctrica es la, junto a la nuclear, la tecnología clave de propulsión de los próximos…