Redes neuronales persistentes para los viajes espaciales

Clic aquí para contactar al autor
Pablo Edronkin

Lecturas sugeridas

Hacia la exploración interestelar

Productos y servicios relacionados

Cosmic Cat - Un juego cósmico y gratuito

Energía verde

Juegos gratis

Información deportiva y apuestas

Aumente sus ingresos para vivir libremente

El uso de redes neuronales artificiales puede, en contraposición a la programación clásica de algoritmos, resolver una buena cantidad de problemas de simulación sin tener que programar condicionales muy extensos.

Aparte de la construcción de elementos de hardware para el proyecto Nerkabtu, la programación es cosa de todos los días. Es decir, el desarrollo de este simulador de vuelo no consiste únicamente en construir aparatos destinados a simular las cosas que uno encontraría en una cabina, sino que hay mucho para hacer en torno al software. Desde ya hace un tiempo estoy trabajando principalmente en un sistema de navegación que permita simular el uso del hiperespacio de Riemann / Kaluza / Klein con el objeto de experimentar un poco con las ideas de científicos como Alcubierre y Krasnikov en torno a los viajes interestelares. Por supuesto, tal cosa es actualmente especulativa, pero de la especulación y la simulación podría salir algo útil. No pretendo ver la cuestión con los ojos de un astrofísico, sino como analista de sistemas y aviador. En otras palabras, asumiendo que fuera posible resolver el problema de la acumulación de energía exótica necesaria, ver un poco cómo se debería pilotear una nave capaz de viajar a las estrellas.

Actualmente, el sistema de navegación está en etapa de desarrollo y algunos módulos ya son funcionales: el sistema puede, pro ejemplo, efectuar los cálculos para definir un salto y colocar un móvil en órbita (insisto, se trata de una simulación) alrededor de objetos del espacio profundo como galaxias, cúmulos y nebulosas. Esto quiere decir que los componentes básicos ya están listos, y a partir de ellos estoy trabajando en los módulos que definirán cómo efectuar la simulación de los saltos hacia sistemas estelares y sus componentes como planetas y lunas.

Sin embargo, una de las cosas que observé es que un sistema de este tipo debería ser capaz de brindar salvaguardas a fin de no efectuar saltos dónde y cómo no corresponde por ejemplo, para producir alguna paradoja temporal no deseada. Es más: a medida que se conozca mejor el tema de los viajes hiperespaciales es muy probable que más salvaguardas deban ser diseñadas. Además, como piloto, me interesaría que el sistema pudiera funcionar de forma análoga la piloto automático de una aeronave, en el sentido que su metáfora de presentación sea sencilla y permita efectuar los saltos en base a modos preestablecidos además de configuraciones específicas, caso por caso. Podría ser que un piloto espacial quisiera salir del hiperespacio en puntos estandarizados, como en una órbita geoestacionaria o un punto de Lagrange. Pero para lograr tales cosas, desde luego, es necesario aplicar algunas fórmulas cuyas variables dependen en buena medida de los datos disponibles del blanco propuesto. Es decir, lograr una órbita estacionaria alrededor de una estrella no es lo mismo que hacerlo alrededor de la tierra.

En este punto es donde se observan dos cosas: primero, que hay una enorme cantidad de datos a tener en cuenta, y segundo, que la forma en la que esos datos se interpretarán para - por ejemplo - determinar la viabilidad de un salto, puede cambiar, en general, refinándose. Y considerando que ya en el modelo simulado que estoy armando los archivos de base de datos que contienen la información referida a los cuerpos celestes son bastante complejos, esto llevaría a que actualizar el sistema podría resultar un trabajo complejo, requiriendo la reprogramación de extensas sentencias condicionales. Por lo tanto, el uso de redes neuronales artificiales, con cierta capacidad para aprender, generalizar y esperemos que evolucionar y reconfigurarse, parece tener más sentido que reprogramar de forma clásica, en principio.

Ya desde hace un par de meses estoy evaluando las diversas bibliotecas de funciones existentes, referidas al uso de redes neuronales, pero casi todas tienen un problema en común: o bien los resultados no son persistentes, o bien el formato de los archivos que almacenan esos datos es plano, mientras que yo necesito almacenarlos en una base de datos. Eso quiere decir que yo tendría que modificar alguna de esas bibliotecas de funciones, o bien crear una propia con el objeto de contar con persistencia de datos y almacenamiento de base. Así es como encontré la implementación de Ondra Zizka de una ANN en SQL, la cual ofrece persistencia de datos a diferencia de las bibliotecas, mayormente escritas en C++, que no brindan tal posibilidad. Sin embargo, hallé un par de errores en esta implementación y algunas limitaciones, por lo que finalmente decidí desarrollar mi propia versión, basada en las ideas de Zizka pero con una implementación a nivel de archivo en SQL y a nivel de programa en C++. Actualmente estoy terminando de diseñar las tablas o archivos de la base de datos, los cuales son bastante similares a los creados por Zizka, con un par de modificaciones, y pronto empezaré con los objetos y funciones de C++, que supongo que van a ser funcionalmente similares a los de esta implementación de una ANN en SQL.



Búsqueda rápida

Videos

Páginas web relacionadas

Foro de Andinia

Normas para la reproducción de este artículo

Otros

Artículos Directorio Tienda Foros

Exploración, naturaleza, deportes y aventura al aire libre en © Andinia.com