Pesquisadores do Google DeepMind anunciaram um avanço inédito no estudo de dinâmica dos fluidos, área que há mais de um século desafia físicos e matemáticos pela imprevisibilidade do comportamento de substâncias como ar e água. A equipe utilizou inteligência artificial para identificar novas famílias de singularidades instáveis — pontos em que as equações deixam de prever o comportamento físico dos fluidos.

O resultado foi obtido por meio de modelos personalizados de aprendizado de máquina, desenvolvidos com estrutura baseada diretamente nas equações matemáticas que regem o movimento dos fluidos, de acordo com informações do Business Insider.

Por que o avanço interessa à física e à engenharia

A dinâmica dos fluidos é uma das áreas mais complexas da física aplicada. Para modelar o movimento de ar, água ou gás, cientistas utilizam equações que precisam assumir condições simplificadas, como viscosidade constante ou variação suave de pressão. Pequenas alterações nesses cenários podem gerar resultados extremos, como velocidades infinitas ou mudanças abruptas de energia, fenômenos conhecidos como singularidades.

Essas singularidades podem ser estáveis ou instáveis. As primeiras são mais fáceis de identificar; as instáveis, muito mais raras, são consideradas fundamentais para entender a origem da turbulência — comportamento que afeta desde o fluxo do ar em aeronaves até sistemas meteorológicos e circulação sanguínea.

Segundo o BI, com o uso de IA especializada, o DeepMind descobriu novas classes de singularidades instáveis em três equações distintas da dinâmica dos fluxos, um feito que pesquisadores consideram tecnicamente difícil de alcançar por métodos tradicionais. O nível de precisão foi suficiente para que matemáticos realizassem verificação formal dos resultados.

Segundo o artigo científico divulgado pelo DeepMind, o estudo apresenta um novo caminho para abordar desafios clássicos da física matemática. Já o blog oficial da instituição afirma que a metodologia introduz uma forma inédita de conduzir pesquisas na área.

Impacto potencial do modelo em aplicações práticas

A descoberta tem implicações diretas na compreensão da turbulência, fenômeno que consome energia, é difícil de reproduzir em laboratório e custa bilhões de dólares por ano em setores como aviação e geração de energia. Entender a formação e o comportamento dessas singularidades ajuda a definir em quais condições as equações usadas hoje são válidas e onde precisam ser ajustadas.

Pesquisadores afirmam que os resultados podem aperfeiçoar modelos de previsão meteorológica, cálculos de arrasto aerodinâmico, análise de fluxo sanguíneo e sistemas industriais de transporte de fluidos. A descoberta também pode melhorar softwares usados para monitorar turbulência e “turbidez”, área que depende de previsões precisas sobre o comportamento dos fluidos em condições extremas.