Todo empezó con algunos correos electrónicos exasperados. En 2009, un grupo de investigadores comenzó a expresar su frustración con los lenguajes de programación diseñados para ayudar a los científicos y otros investigadores a realizar operaciones matemáticas complejas y simulaciones estadísticas sin aprender a codificar. Estos lenguajes de programación eran rígidos y lentos. Si los científicos construyeran algo que realmente funcionara, necesitarían reescribir todo el programa en otro idioma sólo para ejecutarlo más rápidamente.
Los correos electrónicos se convirtieron en un proyecto de investigación en el MIT con la misión de construir un lenguaje de programación fácil de usar y de alto rendimiento llamado Julia, que está diseñado para la investigación científica, el análisis de datos y el modelado de sistemas complejos como motores a reacción, medicamentos, mercados financieros y robots, por nombrar algunos ejemplos.
Ese proyecto de investigación se convirtió en un laboratorio en el MIT, y el laboratorio se convirtió en la empresa JuliaHub. En el camino, Julia ganó seguidores leales entre científicos, ingenieros, matemáticos y otros. Hoy en día, este lenguaje gratuito y de código abierto cuenta con más de 1 millón de usuarios, incluidas personas que trabajan en miles de empresas y universidades de todo el mundo.
Es sólo una ligera exageración decir que Julia ha sido utilizada para modelar todo lo que existe bajo el sol, desde el comportamiento de átomos diminutos hasta semiconductores, redes neuronales, autos de carrera y aviones. También se ha utilizado para estudiar mucho más allá del Sol, y los astrónomos utilizan a Julia para obtener imágenes de agujeros negros.
El ingrediente secreto de Julia está en la forma en que compila el código según el tipo de datos que se utilizan. Esta “compilación justo a tiempo” hace que Julia sea más rápida y flexible que otros lenguajes de programación numérica.
“Los científicos y los ingenieros no son programadores. Crear aplicaciones científicas con equipos multidisciplinarios de científicos, ingenieros y programadores es un desafío”, afirma el cofundador y director ejecutivo de JuliaHub, Viral Shah. “Preguntamos: ¿Qué pasaría si se pudiera equipar a los científicos e ingenieros con un lenguaje de programación que les permitiera expresar sus ideas a un alto nivel y también obtener un excelente rendimiento del software?”
Hacer que la programación sea fácil para los no programadores ha sido una estrella del norte para los fundadores de JuliaHub, que incluyen a los cocreadores de Julia Shah, el profesor de matemáticas del MIT Alan Edelman, Jeff Bezanson SM ’12, PhD ’15 y el ex científico investigador del MIT Stefan Karpinski.
En abril, el equipo de JuliaHub dio otro gran paso en esa dirección con el lanzamiento de Dyad 3.0, la última versión de su plataforma de inteligencia artificial para ayudar a los equipos de ingeniería a acelerar el desarrollo de sistemas físicos complejos como cohetes, bombas de calor y satélites. Los ingenieros ya están utilizando Dyad para dirigir agentes autónomos de IA mientras trabajan en simulaciones físicas, análisis de seguridad, controles de calidad y más.
“Con Dyad 3.0, puedes cargar datos y documentos de diseño y el sistema diseñará un avión completo para ti”, dice Shah. “Al trabajar con clientes como Boeing, estamos creando capacidades de diseño de hardware agencial para ingenieros. De manera simplista, usted quiere decir: ‘Está bien, computadora, constrúyame un avión’; cargar los documentos de diseño; y hacer que el sistema tenga en cuenta toda la física, compilar todo el código, verificar todo y construir todo el diseño de forma agencial”.
comienzos humildes
Después de discutir la necesidad de mejores lenguajes de programación para científicos y otros investigadores, los cocreadores de Julia iniciaron el Julia Lab alrededor de 2009. El Julia Lab permanece activo en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT.
La idea central era crear una plataforma de alto rendimiento que sobresaliera en aplicaciones de ingeniería, científicas y matemáticas. Shah dice que antes de Julia, los científicos e ingenieros tendrían que contratar a alguien para que creara software para ellos o aceptar el lento rendimiento de los pocos lenguajes de programación diseñados para ellos.
“Queríamos crear algo tan fácil de usar como Python o MATLAB pero tan rápido como el lenguaje de programación C”, afirma Shah. “Construimos Julia para nosotros mismos”.
Edelman dice que al principio los investigadores no pensaron que nadie quisiera su creación.
“Pensamos que pasarían 10 años antes de que alguien se interesara, pero dijimos: ‘La paciencia es una virtud, así que hagámoslo’”, recuerda Edelman.
Los investigadores del MIT anunciaron a Julia en una publicación de blog en 2012. Rápidamente se dieron cuenta de que muchos otros investigadores compartían su frustración.
“Cuando empezamos, buscábamos flujos de trabajo de investigación interactivos, pero cada vez más personas lo utilizan para todo”, afirma Bezanson. “Ahora estamos trasladando toda la pila del lenguaje a dispositivos integrados más pequeños a medida que evolucionamos con nuestros usuarios”.
Desde aquellos primeros días, Edelman ha impartido una clase sobre Julia con estudiantes de casi todos los departamentos del MIT. Hoy en día, a menudo descubre que los estudiantes ya están usando Julia cuando se inscriben en la clase para aplicaciones tan amplias como robótica, astronomía, simulaciones de física y finanzas.
“Los investigadores se me acercan y me dicen: ‘Le digo a mi supervisor que estoy usando Julia porque es rápido, pero no les diga que estoy usando Julia porque es muy divertido'”, dice Edelman. “La clave son las abstracciones de Julia. Muchas veces un lenguaje de codificación te obliga a resolver el problema en el que estás pensando. El lenguaje de Julia hace que no solo resuelvas el problema en el que estás pensando, sino también los problemas de otras personas en todo el mundo. Te anima a resolver problemas de manera más general”.
A medida que Julia ganó popularidad, investigadores de todo el mundo comenzaron a pedir apoyo al equipo de Julia. En 2015, la demanda se volvió lo suficientemente fuerte como para que decidieron iniciar JuliaHub y ayudar a los usuarios a través de la empresa a tiempo completo. Recibieron apoyo del Centro Deshpande para la Innovación Tecnológica del MIT y otros en el MIT para hacer despegar la empresa.
El trabajo de JuliaHub ha evolucionado desde simplemente ayudar a los usuarios hasta hacer avanzar el lenguaje de manera más general. Eso ha impulsado una impresionante lista de creaciones de los usuarios leales de Julia. Julia se ha utilizado para simular circuitos de computadora, detectar disparidades en la salud, modelar climas y océanos globales, analizar la actividad cerebral y más.
Después de que alguien construyera una plataforma de modelado farmacéutico en Julia, se utilizó para acelerar el desarrollo de la vacuna Covid-19 de Moderna. En otro caso, los investigadores utilizaron a Julia para crear un programa para evitar colisiones de aviones. Descubrieron que funcionaba unas 50 veces más rápido que una versión anterior construida en Python. Los ingenieros de Meta utilizaron a Julia para desarrollar un mejor códec de audio para los 4 mil millones de usuarios de WhatsApp.
“A lo largo de los años, hemos visto a usuarios industriales, gubernamentales y académicos hacer todo tipo de cosas interesantes con el lenguaje Julia”, dice Edelman. “Sinceramente, nos ha sorprendido en muchos sentidos la amplia variedad de usos que la gente le da”.
Diseño autónomo
JuliaHub lanzó Dyad 1.0 en junio de 2025 como agente de investigación para acelerar la programación y Dyad 2.0 en diciembre. Los fundadores creen que Dyad 3.0 representa un nuevo nivel de capacidad y autonomía para diseñar sistemas complejos.
“Una cosa importante de Dyad es que es un compilador de física y, por tanto, hace cumplir las leyes físicas”, explica Shah. “Los sistemas generales de IA a menudo resuelven problemas físicos de maneras que violan las leyes físicas. Cuando se utiliza el agente Dyad, detectará dichas violaciones y guiará al agente en la dirección de la solución físicamente correcta. Esperamos que esto reduzca los tiempos de diseño en la ingeniería de productos en órdenes de magnitud, lo que llevará a meses de trabajo realizados en horas”.
Una forma en que Edelman ve el impacto de Julia es a través de su clase. Un estudiante utilizó recientemente Dyad para modelar cómo se mueven los robots en el espacio. Otro lo utilizó para construir un motor de cohete.
“Al final dijo: ‘No podía creer lo fácil que era. ¡Acabo de conseguir un motor de cohete!’”, recuerda Edelman.