Búsqueda · 29 momentos en 15 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor SocasGastón Giribetmotores eléctricos optimización teóricaprototipado caro motores eléctricossimulaciones inteligencia artificial motoresInteligencia ArtificialSimulacionesJuan Carlos Gilserie KHTUniversidad de Michiganmotores HallPlasmasHéctor Socassimulación BlasovAdvanced Intelligence SystemsJoa Eng ParkGeorgia TechAtlantaCorea del SurPICInglesessiglo XIXmotores serie KHTmodelo Hall NN
Simulaciones Inteligencia Artificial motores
Con
0:000:301:001:302:002:303:12
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.
…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…
Significado #1 · Palabras #1
Juan Carlos Gil compara la complejidad de modelar motores químicos con la de los motores Hall, señalando que aunque ambos son difíciles, la termodinámica de los motores químicos está resuelta desde el siglo XIX.
Habla: Juan Carlos GilSignificado #11motores químicos termodinámica siglo xixmodelado motores hall complejidad relativadinámica fluidos compresibles simulación estándarpaquetes simulación dinámica fluidos accesibilidad…por otro Con lo cual hay un transporte anómalo, se llama, de corriente Y encima, en el caso del efecto Hall Los motores Hall tienes el efecto Hall con confinamiento parcial de los electrones, en fin, es una verdadera fiesta, ¿vale? Y este es el punto de... A ver, los motores químicos tampoco es que te lo puedan modelar un chaval recién acabada la carrera, ¿vale? No es nada tampoco sencilla, pero por lo menos es más razonable, porque la reacción química que ocurre, en fin, está resuelta desde el siglo XIX, yo creo, ¿no? La termodinámica de un motor es accesible y bueno, aunque sea difícil, de hecho utilizan esta metáfora los ingleses, este dicho: es rocket science; bueno, aunque sea razonablemente difícil, pero por lo menos la dinámica y el comportamiento de los fluidos compresibles, que es lo que tienes ahí, pues se puede abordar con paquetes de simulación estándar de dinámica de fluidos, bastante accesible. Por tanto no son abordables mediante métodos teóricos suficientemente bien los motores. Eléctricos, puedes hacer prototipos, pero de nuevo nos encontramos con problemas porque podemos utilizar prototipos ajustando parámetros y viendo cómo se comporta. Pero es muy caro en el caso de los eléctricos, ¿por qué? Si son más sencillos de fabricar y…
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 #1 · Palabras #1motores 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 GilSignificado #10simulación 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 describe una simulación Blasov que funciona y permite optimizar su diseño, aunque requiere un tiempo considerable de procesamiento. A continuación, introduce un segundo artículo sobre la predicción del rendimiento de una fuente de iones utilizando aprendizaje automático.
Habla: Juan Carlos GilSignificado #6simulación blasov optimiza diseñoaprendizaje automático fuente iones hallartículo advanced intelligence systemsinvestigadores corea del sur georgia techefecto hall simpáticomodelo aprendizaje automático motores hallcorriente descarga ánodo cátodoconsumo eléctrico motor paneles solares…de salida, pero sigue un enfriamiento casi adiabático en la dirección transversal, que es, bueno, pues eso sí que es esperable, ¿no? A los lados no tienes nada, pues se te enfría de forma adiabática. Pero más allá de estos pequeños detalles que interesarán a los expertos en motores, el resumen es que esta simulación Blasov funciona y proporciona un detalle inaudito y nos va a permitir optimizar su diseño siempre que estemos dispuestos a utilizar 4 días de CPU y 4 días de 800 CPUs Segundo artículo, se titula Predicción del rendimiento de una fuente de iones de efecto Hall utilizando aprendizaje automático y se ha publicado en la revista Advanced Intelligence Systems también en diciembre del año pasado Lo firman Joa Eng Park, Joa Eong, nombre también aparentemente oriental, y otros ocho investigadores con filiaciones todos de Corea del Sur, salvo uno de ellos, que es del Georgia Tech, el Instituto de Tecnología de Georgia, pero el Georgia de Atlanta, no el Georgia, no el Georgia Pais en Estados Unidos En este caso el objetivo de este artículo era desarrollar un modelo de aprendizaje automático para eso, para predecir el rendimiento, en este Caso solamente de los motores Hall, el que os hablaba del efecto Hall tan simpático. En particular, pretenden obtener como resultado del modelo combinación de empuje, una clave de las que estamos hablando, y corriente de descarga. La corriente de descarga es la corriente que se forma entre ánodo y cátodo, que a la postre va a determinar el consumo eléctrico de tu motor, así que tienes que tenerlo en cuenta para poner los paneles solares suficientemente gordos. Bueno, pues ahora hay un modelo que llaman Hall NN, Hall Neural Network, si quieres, Hall NN, que usa un conjunto de redes neuronales, Sara, que he tenido que buscarlo, ¿qué era esto? Varias trabajando Al final es razonablemente sencillo y lo que consigues, como…
Juan Carlos Gil explica cómo se generaron los 18.000 puntos de datos utilizados para entrenar el modelo Hall NN, detallando la proporción de simulaciones de motores Hall reales y datos semirreales con parámetros aleatorios.
Habla: Juan Carlos GilSignificado #2 · Palabras #8motores 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 hall…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…
Juan Carlos Gil concluye la presentación sobre el modelado teórico de propulsión eléctrica, destacando la necesidad de técnicas avanzadas como simulaciones y aprendizaje automático para superar las dificultades inherentes al estudio de plasmas.
Habla: Juan Carlos GilSignificado #4modelado teórico propulsión eléctricasimulaciones aprendizaje automático plasmasempuje motores eléctricos gil…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 años. Su modelado teórico es tremendamente difícil ¿y por qué? Pues porque plasmas, ¿vale? Plasmas nunca va acompañado de la palabra fácil, no se puede hacer esa frase en español. Por tanto necesitamos técnicas avanzadas como simulaciones de este tipo o aprendizaje automático, que ambas dos pues han funcionado fenomenal. Así que el futuro es brillante y hasta aquí lo que os quería contar. Nos has dicho, nos has hablado del empuje de estos motores, no nos has dicho nada. Del impulso, el impulso es cuando un desconocido te regala flores como todos sabemos en este caso le has estado echando bastante flores al motor eléctrico. Es una referencia muy viejuna Sara no lo ha pillado. Seguramente mira que siempre la pillas, Sara, esta…