Las aves migratorias a menudo usan corrientes atmosféricas cálidas y ascendentes para ganar altura con poco gasto de energía cuando vuelan a largas distancias.
Es un comportamiento conocido como elevación térmica que requiere una toma de decisiones complejas dentro del entorno turbulento de una columna ascendente de aire caliente desde la superficie de la tierra al horno solar.
Pero no se sabía exactamente cómo navegan las aves dentro de este entorno en constante cambio para optimizar su vuelo térmico hasta que un equipo de físicos y biólogos de la Universidad de California en San Diego le dio una mirada computacional al problema.
En la versión en línea de esta semana de la revista Actas de la Academia Nacional de Ciencias , los científicos demostraron con modelos matemáticos cómo los pilotos de planeadores podrían volar de manera más eficiente al adoptar las estrategias de aprendizaje que utilizan las aves para navegar a través de las térmicas.
"Se sabe relativamente poco sobre las estrategias de navegación utilizadas por las aves para hacer frente a estas condiciones desafiantes, principalmente porque la investigación computacional pasada examinó el aumento en situaciones poco realistas simplificadas", explicó Massimo Vergassola, profesor de física en la Universidad de California en San Diego.
Para abordar el problema, él y sus colegas, incluidos Terrence Sejnowski, profesor de neurobiología en el Instituto Salk y UC San Diego, combinaron simulaciones numéricas del flujo atmosférico con "algoritmos de aprendizaje de refuerzo", ecuaciones desarrolladas originalmente para modelar el comportamientoy un mejor rendimiento de los animales que aprenden una nueva tarea. Esos algoritmos se desarrollaron de una manera que entrenó a un planeador para navegar en entornos turbulentos complejos basados en la retroalimentación sobre el alto rendimiento del planeador.
Según Sejnowski, la "arquitectura de aprendizaje de refuerzo" era la misma que la utilizada por el programa DeepMind AlphaGo de Google, que fue noticia en 2016 después de vencer al jugador humano profesional Go Sed Lee.
Al aplicarlo a un rendimiento vertiginoso, los investigadores tomaron en cuenta el ángulo de inclinación y el ángulo de ataque de las alas del planeador, así como también cómo las variaciones de temperatura dentro de la velocidad vertical impactada térmicamente.
"Al detectar dos señales ambientales: aceleración vertical del viento y torque, el planeador puede trepar y permanecer dentro del núcleo térmico, donde la elevación es típicamente la más grande, lo que resulta en un mejor rendimiento de vuelo, incluso en presencia de fuertesfluctuaciones turbulentas ", dijo Vergassola." A medida que aumentan los niveles turbulentos, el planeador puede evitar perder altura adoptando estrategias de vuelo cada vez más conservadoras y con aversión al riesgo, como continuar por el mismo camino en lugar de girar ".
En las dos gráficas tridimensionales en color mostradas arriba, los científicos ilustran cómo un planeador no entrenado a la izquierda toma decisiones aleatorias y desciende, mientras que el planeador entrenado a la derecha aprende a emplear los patrones en espiral característicos en regiones defuertes corrientes ascendentes, como se observa en el vuelo térmico de pájaros y planeadores los colores indican la velocidad vertical del viento que experimenta el planeador. Los puntos verde y rojo indican los puntos inicial y final de la trayectoria, respectivamente.
Los investigadores escriben en su artículo que, según su estudio, el "par y las aceleraciones verticales" parecen ser las señales sensoriomotoras que guían de manera más eficaz el camino de vuelo más eficiente de las aves a través de las térmicas, en lugar de las diferencias de temperatura.
"Se demostró específicamente que la temperatura produce ganancias menores", escriben y agregan que "un sensor de temperatura podría ahorrarse de forma segura en la instrumentación para vehículos voladores autónomos"
"Nuestros hallazgos arrojan luz sobre los procesos de toma de decisiones que las aves podrían usar para navegar con éxito las térmicas en entornos turbulentos", dijo Vergassola. "Esta información podría guiar el diseño de instrumentación mecánica simple que permitiría a los planeadores autónomos viajar largas distancias conconsumo de energía mínimo "
"Los altos niveles de alto rendimiento demostrados en turbulencias simuladas podrían conducir al desarrollo de planeadores autónomos energéticamente eficientes", dijo Sejnowski, quien también es investigador del Instituto Médico Howard Hughes.
Otros miembros del equipo de investigación fueron Gautam Reddy, físico de la Universidad de California en San Diego y primer autor del artículo, y Antonio Celani del Centro Internacional Abdus Salam de Física Teórica en Trieste, Italia. El estudio fue apoyado por una subvenciónde la Fundación Simons.
Fuente de la historia :
Materiales proporcionado por Universidad de California - San Diego . Original escrito por Kim McDonald. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :