Diseño industrial óptimo con redes neuronales

Resumen

Presentamos un marco de optimización sin derivadas para hallar las condiciones de operación óptimas de sistemas modelados
mediante redes neuronales entrenadas con datos. El método, denominado contracción iterativa del dominio (IDC, iterative domain
contraction), aprovecha el coste de evaluación casi nulo de la red para presupuestos de muestreo inviables con simuladores físicos,
y maneja de forma nativa restricciones de caja, lineales y de fórmula, así como problemas mono- y multiobjetivo. Implementado
en la biblioteca de código abierto OpenNN, se ilustra con dos casos. En el primero se minimiza la fotodegradación de una mezcla
fotovoltaica orgánica cuaternaria, sujeta a una restricción de símplex y a una ventana funcional donante:aceptor, obteniéndose una
heterounión realista y físicamente utilizable. En el segundo se aborda el diseño bi-objetivo de un casco de velero a velocidad fija,
donde la resistencia al avance y la manga del casco entran en conflicto (un casco más ancho gana estabilidad y espacio interior pero
aumenta el arrastre); IDC traza un frente de Pareto denso que revela con nitidez ese compromiso y su rodilla, sobre la que se sitúa
el diseño recomendado. En ambos casos los resultados son muy satisfactorios y prometedores.