Descubrimiento informado por física de funciones de fluencia

En el ámbito de la mecánica de sólidos y la ciencia de materiales, la identificación de funciones de fluencia anisotrópicas ha representado históricamente un reto complejo. La dificultad radica en que la fluencia no se observa directamente en mediciones de campo completo, la calibración direccional requiere múltiples direcciones de carga y la selección de una forma analítica adecuada dista de ser trivial. Un enfoque emergente, basado en aprendizaje automático informado por la física, propone descubrir estas funciones a partir únicamente de datos de desplazamiento y fuerzas de reacción, sin necesidad de mediciones de tensión, deformación plástica o una función paramétrica predefinida. Este método emplea redes neuronales convexas que representan la función de fluencia dentro de un esquema de integración elastoplástico, garantizando convexidad, homogeneidad positiva de grado uno y simetría tensión-compresión. El entrenamiento se realiza mediante una pérdida de equilibrio de fuerzas basada en la física, aplicada sobre múltiples casos de carga. Los resultados obtenidos con referencias como von Mises, Hill 1948 y Yld2000-2d demuestran la capacidad del modelo para recuperar contornos de fluencia con precisión, incluso ante ruido en los desplazamientos. Este avance abre la puerta a aplicaciones en simulación de materiales avanzados, optimización de procesos de conformado y diseño de componentes estructurales. En Q2BSTUDIO, ofrecemos soluciones de inteligencia artificial para empresas que integran técnicas de machine learning con principios físicos, facilitando la creación de modelos predictivos robustos en entornos industriales. Nuestro equipo desarrolla aplicaciones a medida que combinan software a medida con capacidades de agentes IA, servicios cloud AWS y Azure, y análisis de datos mediante servicios inteligencia de negocio como Power BI. Además, implementamos estrategias de ciberseguridad para proteger los activos digitales. Este enfoque permite a las organizaciones extraer valor de sus datos experimentales, automatizar procesos y tomar decisiones informadas en tiempo real.