Simular la realidad física ha sido durante mucho tiempo un asunto fragmentado. Un científico que modela las olas del océano necesita un solucionador; un biólogo computacional que observa un pliegue de proteínas necesita otro; un ingeniero que estudia dunas de arena necesita un tercero. Cada herramienta está minuciosamente codificada a mano en torno a las ecuaciones específicas que gobiernan un fenómeno específico.
Investigadores del MIT, la Universidad de Columbia Británica y una serie de instituciones colaboradoras han presentado un sistema diseñado para reemplazar ese mosaico con una arquitectura única. El sistema, llamado WorldParticle, utiliza un modelo unificado de aprendizaje profundo para simular procesos físicos muy diferentes, desde el deslizamiento de arena hasta el plegado de proteínas, según MIT News. Para más contexto sobre esta historia, consulta nuestra noticias de IA.
El trabajo, un artículo de acceso abierto titulado "WorldParticle: Simulación mundial unificada de dinámica de partículas lagrangianas a través de transformadores", se presentará en la conferencia y exposición ACM SIGGRAPH sobre gráficos por computadora y técnicas interactivas en Asia. La colaboración abarca el MIT, la UBC, Georgia Tech, Inria, Meta, la Universidad de Pensilvania, la Universidad de Utah, UCLA y la Universidad de Hong Kong.
Un 'momento GPT' para la simulación
"Queremos tener un momento GPT para la simulación", dijo Peter Yichen Chen, ex postdoctorado del MIT y ahora profesor asistente en la UBC y coautor correspondiente del artículo, en el informe de MIT News. "Cada vez que la gente quiere construir un simulador para un fenómeno físico particular, necesita codificarlo desde cero. Nuestra visión es tener un modelo básico que funcione de inmediato para cualquier escenario que desee simular. Este es un primer paso en esa dirección".
La referencia a GPT no es casual. La arquitectura de WorldParticle toma prestada la misma idea de predicción secuencial que impulsa los grandes modelos de lenguaje. "Es una arquitectura similar a ChatGPT. Pero en lugar de predecir una palabra a la vez para escribir un fragmento de texto, estamos prediciendo cómo se moverán estas partículas, paso a paso", dijo Chen.
A Chen se unen el coautor correspondiente y coautor Minghao Guo, un postdoctorado del MIT, y los autores coautores Caoliwen Wang y Siyuan Chen, estudiantes de posgrado de la UBC. El equipo también incluye a Wojciech Matusik, profesor de ingeniería eléctrica e informática del MIT que dirige el Grupo de Fabricación y Diseño Computacional dentro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).
Cómo funciona WorldParticle
El sistema se basa en una idea de larga data en física computacional: la representación lagrangiana, en la que un material se describe como una colección de partículas discretas cuyas posiciones y velocidades evolucionan con el tiempo. WorldParticle divide cada objeto que simula en miles o millones de pequeños puntos tridimensionales y luego rastrea cómo esas partículas se mueven a través del espacio y el tiempo.
Aprender las ecuaciones, no codificarlas manualmente
El alejamiento de la tradición radica en quién escribe las reglas. En un proceso clásico, un científico comienza con una ecuación rectora que define cómo se comporta un material, luego convierte esas matemáticas complejas en una fórmula que un solucionador numérico puede manejar, repitiendo todo el ejercicio para cada nuevo material o proceso.
En cambio, WorldParticle utiliza una red neuronal que aprende a resolver ecuaciones rectoras en general. La red toma las posiciones 3D y las propiedades físicas de las partículas como entradas y genera sus posiciones y propiedades para el siguiente cuadro de la simulación, prediciendo el movimiento del material en el tiempo y el espacio en incrementos de un segundo.
Manejo de fuerzas externas
Los materiales del mundo real son constantemente empujados por fuerzas que un modelo no puede anticipar completamente: una ola del océano chocando contra un malecón o un pie presionando la arena. Antes de cada paso de la simulación, WorldParticle separa las fuerzas externas que actúan sobre el sistema. Después de predecir los estados iniciales de las partículas, el sistema vuelve a integrar esas fuerzas en la simulación, corrigiendo sus predicciones en función de cómo las fuerzas afectan el comportamiento del objeto.
Ese bucle de corrección, informan los investigadores, es lo que permite que el modelo se generalice a materiales, condiciones ambientales y fuerzas que nunca encontró durante el entrenamiento.
Comprimiendo millones de partículas
La escala planteó el desafío central de ingeniería. Un objeto complejo puede fragmentarse en millones de partículas, abrumando rápidamente el presupuesto computacional del modelo. Para mantener el procesamiento manejable, el equipo empleó una técnica de fusión que combina y comprime partículas preservando al mismo tiempo los detalles finos en su comportamiento.
"Necesitábamos hacer mucha ingeniería detallada y emplear muchos ajustes en la arquitectura para que fuera verdaderamente generalizable y escalable", dijo Guo a MIT News.
Probado contra seis fenómenos físicos
Los investigadores demostraron WorldParticle en seis fenómenos físicos diferentes, incluidos objetos deformables, materiales granulares y proteínas, y reportaron una mayor precisión que los métodos de simulación numérica establecidos.
Los ejemplos fueron concretos. En una prueba granular, WorldParticle capturó cómo una pila de material colapsa bajo la gravedad, mientras que algunos métodos básicos dejaban partículas de arena flotando de manera improbable en el aire. En dinámica molecular, el sistema modeló cómo las estructuras de las proteínas cambian con el tiempo aproximadamente 100 veces más rápido que los simuladores numéricos, según Guo.
La recompensa práctica va en ambas direcciones: resultados más rápidos para problemas que los científicos ya estudian y la capacidad de acoplar fenómenos que antes exigían simuladores separados. El equipo destaca escenarios como el de un fluido chapoteando contra un sólido deformable (por ejemplo, cómo el chapoteo del petróleo podría tensionar una válvula elástica dentro de un tanque de almacenamiento) donde el fluido y la estructura contra la que empuja deben modelarse juntos.
De robots blandos a galaxias fusionadas
La generalidad del marco apunta a aplicaciones mucho más allá de los gráficos por computadora. Los investigadores dicen que el mismo enfoque podría servir de base para las tareas de manipulación de robots blandos, en las que una máquina compatible debe predecir cómo la arena o el suelo se moverán al tocarlos. También enumeran como dominios candidatos la evolución del ARN e incluso fenómenos astrofísicos como la fusión de galaxias.
A largo plazo, el equipo espera que el trabajo ayude a los científicos a descubrir nuevos materiales y explorar procesos físicos que los métodos de simulación existentes no pueden estudiar de forma eficaz.
"Vemos que la unificación de la computación y la ciencia nos brinda nuevos conocimientos y herramientas para descubrir fenómenos físicos o explicar algunos fenómenos físicos inexplicables", dijo Guo. "Con un modelo unificado, podríamos desbloquear muchos descubrimientos que ni siquiera podemos imaginar".
Un primer paso, no una base terminada
Los investigadores tienen cuidado de enmarcar WorldParticle como un movimiento de apertura en lugar de un modelo de base completo. En el futuro, planean adaptar el sistema a más sistemas físicos y construir un proceso de simulación completo de propósito general para el descubrimiento científico.
Si ese arco le suena familiar, es por diseño. Los modelos de lenguaje pasaron años como sistemas limitados por tarea antes de convertirse en herramientas de propósito general, y el equipo de WorldParticle está apostando explícitamente a que la simulación física puede seguir un camino similar, paso de partícula a la vez.
Este artículo está basado en un informe de Adam Zewe, publicado por MIT News el 9 de noviembre de 2026.---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
