El MIT crea un copiloto de IA que permite a los ingenieros guiar diseños estructurales mientras se crean

Investigadores del MIT desarrollaron un copiloto de IA para ingenieros de estructuras. Mientras el algoritmo genera el proyecto, el sistema presenta regiones para que el proyectista las evalúe y ajuste, en lugar de mostrar solo el resultado final. El trabajo se publicó en la revista Communications Engineering el 10 de noviembre de 2026 y fue divulgado por MIT News el 13 de noviembre.

El problema de la «caja negra» en el diseño estructural

La técnica utilizada es la optimización topológica, que llena iterativamente el espacio de un diseño para cumplir objetivos definidos, como soportar una carga con el menor material posible. Ya se usa en la industria automotriz y aeroespacial, pero su naturaleza de «caja negra» limitó su adopción en edificios y puentes: el ingeniero solo ve el diseño terminado y, para cambiar algo, a menudo debe empezar de cero.

El copiloto usa aprendizaje automático para predecir rápidamente las regiones del diseño que un humano probablemente querría modificar. Para entrenar el modelo, el equipo creó un conjunto de datos sintéticos con miles de probables comentarios humanos, evaluando estética, rendimiento y facilidad de fabricación. Durante la ejecución, el sistema destaca esas regiones y el usuario puede engrosar o afinar las estructuras allí.

Un 39 % más de carga de pandeo

En las demostraciones, el enfoque con el humano en el ciclo mejoró la fabricabilidad y la carga lineal de pandeo —la fuerza que una pieza soporta antes de deformarse— en un 39 %, añadiendo solo 15 segundos al tiempo total de diseño frente a métodos totalmente automáticos.

«En este momento, el humano no tiene ninguna capacidad de acción ni control sobre el proceso de diseño mientras se desarrolla», explica el autor principal, Dat Ha, doctor por el MIT en 2026 y hoy diseñador estructural en LeMessurier. «Para estos diseños realmente complejos, queríamos aprovechar también nuestro cerebro, que es la máquina más compleja que existe, para resolver estos problemas de diseño de una forma más práctica para la industria».

Por ahora, el sistema solo permite engrosar o afinar estructuras en las regiones identificadas; el equipo espera añadir otras opciones de modificación en el futuro. Participan en el artículo Ferdous Alam, hoy profesor asistente en Georgia Tech; Markus Buehler, profesor del MIT; Faez Ahmed, profesor asociado de ingeniería mecánica del MIT; y la autora sénior Josephine Carstensen, profesora asociada de ingeniería civil y ambiental del MIT.

Crédito de la imagen: Communications Engineering (2026). La imagen compara los flujos de trabajo de la optimización topológica clásica, con información humana y asistida por IA.

Fuentes: MIT News · Tech Xplore · Communications Engineering — DOI 10.1038/s44172-026-00818-x

Transparencia: este artículo se produjo con ayuda de inteligencia artificial, cruzando publicaciones públicas y fuentes de internet. Los hechos se verificaron en las fuentes originales citadas arriba; consúltelas para más detalles.

Por Muse