FSNet del MIT ofrece soluciones rápidas y garantizadas para sistemas complejos

Cada pocos segundos, la red eléctrica enfrenta un desafío que dejaría perplejos a la mayoría de las supercomputadoras. Cómo equilibrar las demandas de energía fluctuantes, respetar los límites físicos y minimizar los costos, todo al mismo tiempo. Un nuevo sistema del MIT promete hacerlo de forma más rápida y fiable que nunca.

Los investigadores han presentado FSNet, un marco de aprendizaje automático que resuelve problemas de optimización complejos mucho más rápidamente que los solucionadores matemáticos tradicionales, al tiempo que garantiza soluciones factibles en el mundo real. El sistema podría transformar la forma en que se gestionan las redes eléctricas, particularmente a medida que la energía renovable introduce más volatilidad en la oferta y la demanda.

Cuando la velocidad se une a la viabilidad

Los solucionadores tradicionales, aunque matemáticamente exactos, suelen tardar horas en encontrar una solución óptima. Los modelos de aprendizaje profundo, por otro lado, pueden ofrecer respuestas en segundos, pero sin garantías de que los resultados sean seguros o incluso utilizables. FSNet combina ambos mundos. Utiliza una red neuronal para hacer una predicción inicial, luego un algoritmo de búsqueda de viabilidad que ajusta iterativamente el resultado hasta que satisface todas las restricciones, como los límites del generador o los umbrales de voltaje.

“Este paso es muy importante. En FSNet, podemos tener las garantías rigurosas que necesitamos en la práctica”, dijo el autor principal Hoang Nguyen, estudiante de posgrado en ingeniería eléctrica en el MIT.

El paso de búsqueda de viabilidad, que garantiza que se respeten tanto las restricciones de igualdad como de desigualdad, le da su nombre a FSNet. A diferencia de los métodos anteriores que tratan cada tipo de restricción por separado, FSNet las maneja juntas, simplificando el flujo de trabajo. Los investigadores probaron el sistema en una variedad de problemas matemáticos y del mundo real y descubrieron que FSNet era a menudo órdenes de magnitud más rápido que los solucionadores establecidos e igualaba o excedía su precisión.

Aplicaciones más allá de la red

Para los operadores de red, FSNet podría significar decisiones más rápidas y seguras al equilibrar los insumos de energía renovable con la demanda fluctuante. Pero su impacto puede extenderse mucho más allá de los sistemas energéticos. Los mismos principios podrían optimizar los cronogramas de fabricación, diseñar nuevos productos o incluso mejorar la gestión de la cartera financiera, en cualquier lugar donde las decisiones complejas deban obedecer a restricciones estrictas.

“Hay que analizar las necesidades de la aplicación y los métodos de diseño de una manera que realmente satisfaga esas necesidades”, dijo la autora principal Priya Donti, profesora de desarrollo profesional de Silverman Family en el Departamento de Ingeniería Eléctrica e Informática del MIT.

En pruebas que involucran problemas cuadráticos y no lineales, FSNet produjo violaciones de restricciones cercanas a cero y pequeñas brechas de optimización, a veces incluso encontró mejores soluciones locales que los solucionadores clásicos. El diseño híbrido del sistema también se adapta bien al tamaño del problema, volviéndose más ventajoso en entornos de gran escala.

Los próximos pasos del equipo incluyen reducir la carga de memoria de FSNet e integrar algoritmos de optimización aún más rápidos. A medida que los sistemas de energía se vuelven más complejos e interconectados, métodos como FSNet podrían ayudar a garantizar que las decisiones de la red sigan siendo no sólo inteligentes, sino también seguras.

arXiv: 10.48550/arXiv.2506.00362