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.
…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 explica los motores eléctricos electrostáticos y sus dos tipos principales: de efecto Hall y de rejilla.
Habla: Juan Carlos GilSignificado #5 · Palabras #4efecto hall voltaje de hallmotores eléctricos efecto hallcampo eléctrico axial ánodo cátodoplasma campo magnético radialgas propelente xenóncampo magnético ionizacióniones positivos acelerados campo eléctricoelectrónes confinados corriente hall…tipo que se llama Basim R, Basimir pero sin la I final; yo siempre lo llamo Basimir para ahorrar pero le sobra una I al final que ioniza con radiofrecuencia mediante radiación electromagnética. Bueno, no me enrollo más con eso; pasamos a los de verdad que Son los motores eléctricos electrostáticos los que se usan y a su vez los hay de dos tipos: de efecto Hall y de rejilla. Los motores eléctricos de efecto Hall aprovechan el efecto; el efecto Hall es una diferencia de potencial, se llama voltaje de Hall, que aparece en un conductor por el que circula una corriente cuando se aplica un campo magnético perpendicular al movimiento de la carga. En estos motores se genera un campo eléctrico axial entre el ánodo positivo y el cátodo negativo que se está a la salida del motor y se aplica un campo magnético típicamente radial; es perpendicular al flujo del plasma pero radial, tiene simetría radial. Entonces a través del ánodo, que es el trocito que está más profundo en el Motor, se inyecta el gas propelente. El propelente típicamente xenón, que se ioniza en parte por el campo magnético del que os estoy hablando, pero fundamentalmente y esta es la gracia, por otro mecanismo que aparece ahora de forma natural según vaya hablando. Los iones positivos son acelerados por el campo eléctrico que tenemos todo el rato y salen hacia atrás a toda velocidad y generan el empuje. Pero la gracia de estos es que los electrones quedan en su gran mayoría confinados por esta corriente de Hall orbitando en La cámara de ionización y al orbitar chocan con nuevos átomos típicamente todavía no ionizados. Lo que hace que la eficacia de la ionización sea muy alta, prácticamente todo el senón que enchufas se pega con uno de estos electrones o más. Y de hecho se ha…
Juan Carlos Gil explica el funcionamiento de los motores iónicos o de rejilla, detallando cómo se generan miles de voltios para acelerar iones de xenón.
Habla: Juan Carlos GilPalabras #20motores iónicos aceleración xenónrejillas generación miles voltios satélitecampo eléctrico ionización cámara descargacátodo inyección electrones pluma neutra…mucho más sencillos. Aunque ya veréis que son, sin embargo, más difíciles de fabricar. La clave es que se ponen dos rejillas, dos rejillas a la parte externa del motor, dos rejillas son dos cachitos con agujeritos para que salgan por ahí los cationes. Una cargada positivamente, la más interior y otra cargada negativamente Se le pega un pedazo, diferencia de potencial brutal, miles de voltios estamos hablando en un satélite y claro eso genera un campo eléctrico muy fuerte El xenon se ioniza dentro por electrones rápidos inyectados en la cámara de descarga, de nuevo cationes y electrones, de nuevo otra vez a lo bestia Los iones se aceleran hacia atrás por este campo eléctrico formado por las dos rejillas, generan empuje y de nuevo en el cátodo inyectamos más electrones para que la pluma sea neutra Aquí no hay simetría radial, ni corrientes de Hall, ni este efecto tan divertido del confinamiento de los electrones Son muy eficientes todavía, más impulso específico que los de efecto Hall Sin embargo, Las dos rejillas y sus agujeritos tienen que estar alineadas de forma ultra precisa para que aquello no se te enguarrine y se choquen todos los iones, que es lo que no quieres. Entonces tiene que estar casi a angstroms de alineamiento y por tanto son más…
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 #6 · Palabras #5plasma bicho muy puñeteromagnetohidrodinámica plasma homogéneoefecto hall confinamiento parcial electronestransporte anómalo corriente plasmamotores químicos termodinámica siglo xixmodelado motores hall complejidad relativadinámica fluidos compresibles simulación estándarpaquetes simulación dinámica fluidos accesibilidad…y además usan de forma directa, sin pasos intermedios, la energía eléctrica, que es lo que, bueno, es de esperar que tengas a bordo con paneles sonales, también hemos hablado en este programa o con los reactores nucleares de los que hablábamos. ¿Qué ocurre? Pues que diseñarlos es muy complicado. ¿Por qué? Porque es muy complicada su descripción razonablemente precisa con modelos teóricos. ¿Por qué? Y van tres porqués enseguida porque estamos hablando del maldito plasma. Es un plasma, es un bicho muy puñetero Además en este caso no está en equilibrio, Héctor Tenemos turbulencia, está parcialmente magnetizado Con lo cual no es magnetohidrodinámica En el caso del magnetohidrodinámica Supones un único plasma homogéneo Aquí tienes los electrones por uno a los que tienes 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 #2 · Palabras #14motores 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 #15simulación 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 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 #11función distribución velocidades electronestemperatura flujo calor plumasimulaciones bajo ruido gil…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 continúa hablando sobre un artículo científico relacionado con motores Hall y su rendimiento. El objetivo del modelo de aprendizaje automático es predecir la combinación de empuje y corriente de descarga.
Habla: Juan Carlos GilSignificado #3 · Palabras #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…
Héctor Socas aclara la diferencia entre el modelo Hall NN (con doble N) para predecir el rendimiento de motores y el efecto Hall (con doble L), haciendo referencia a la película '2001: Una odisea del espacio'.
Habla: Héctor SocasSignificado #8 · Palabras #3modelo hall nn hal 9000predicciones motor nave odysseyhall gente dave temomodelo hall nn odysseyefecto hall física doble lcálculos en tiempo real hall nn…puedes coger, depende del valor que te den Puedes coger la media, puedes coger lo que... pero sí, es iVagin Bueno, el modelo se llama Hall NN o Hall New Grand Airbook, estaba esperando a ver si a alguno le surgía porque a mí me hizo mucha gracia Héctor Me recordó el nombre al Hall 9000, ¿no? que controlaba la nave ¿Recordáis? de 2001 uno dice en el espacio Es curioso porque el Hall NN nos va a permitir hacer predicciones del motor que moverá aquella nave cuando llegue, ¿no? Esperemos que no nos diga eso de, lo siento Dave, me temo que no puedo hacer eso No puedo hacer eso, porque Hall, la gente a lo mejor no es Consciente, porque en la película parecía como una interfaz que hablaba con la gente, pero realmente su misión era controlar la nave y supongo que incluiría aspectos tales como controlar la propulsión, pues sí, como en este caso había que hacer cálculos en tiempo real, todo eso lo tendría que hacer Hall, pero este Hall es con doble L, entiendo. Este es con doble N, el Hall de Odyssey en espacios, H-A-L. No, no, sí, pero digo... Este es Hall N-N, sí, Hall es doble N. Pero Hall con doble L porque es el efecto Hall, ¿no? El hall de la película tiene la... Es H-A-L-L y dos N mayúsculas. Sí, pero el de la película decían que a lo mejor lo habían seleccionado porque las letras H-A-L eran cada una de ellas las anteriores a las siglas I -B-M. ¿Sí conocéis esa cosa extraña, no?…
Juan Carlos Gil describe los parámetros físicos que sirven de entrada para el modelo Hall NN, indicando que son trece en total, incluyendo el flujo de propelente y la diferencia de potencia de entrada.
Habla: Juan Carlos GilSignificado #7 · Palabras #12modelo hall nn trece parámetrosflujo propelente motores efecto halldiferencia potencia entrada cátodo hall…porque las letras H-A-L eran cada una de ellas las anteriores a las siglas I -B-M. ¿Sí conocéis esa cosa extraña, no? Mucha gente lo dice como una verdad establecida, pero hasta donde yo sé es una especulación; eso no se ha confirmado por nadie, creo. Bueno, la entrada al modelo son 13, 13, nada menos, parámetros físicos de los motores de efecto Hall, incluyendo pues eso, el flujo de propelente, la diferencia de potencia de entrada en el cátodo, el tamaño del canal de descarga En fin, 13 cosas físicas y como os decía, da lugar a la salida, al impulso y a la corriente y al gasto eléctrico, vamos El modelo lo entrenaron, Aquí Sara empieza lo divertido para ti yo creo, con 18.000 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…
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 #1 · Palabras #1motores 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…
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 GilPalabras #16modelo 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…