Investigadores desarrollan un modelo de «multifidelidad» capaz de predecir deformaciones en jaulas marinas y cargas de amarre en tiempo real, impulsando la Acuicultura 4.0.
La acuicultura marina enfrenta un desafío perpetuo: la implacable dinámica del océano. A medida que la industria se expande hacia aguas más expuestas (offshore), las jaulas de cultivo sufren deformaciones severas por el oleaje y las corrientes. Esto no solo compromete la integridad estructural, sino que pone en riesgo el bienestar de los peces.
Para mitigar estos riesgos, un equipo de investigadores del Instituto Tecnológico de Massachusetts (MIT) y de SINTEF Ocean (Noruega) ha desarrollado una solución pionera: un «gemelo digital de multifidelidad». Esta tecnología integra inteligencia artificial, simulaciones computacionales y datos de sensores reales para monitorear las jaulas con una precisión inédita y costos reducidos.
El estudio, publicado recientemente en Scientific Reports, promete transformar los protocolos de seguridad y facilitar las operaciones de vehículos submarinos autónomos.
Puntos clave del estudio
- 1 Puntos clave del estudio
- 2 El reto de las estructuras flexibles en alta mar
- 3 ¿Qué es un Gemelo Digital de Multifidelidad?
- 4 El rol de la Inteligencia Artificial (NARGP)
- 5 Validación en el «laboratorio» del océano: SINTEF ACE
- 6 Resultados: Precisión que salva inversiones
- 7 Hacia la Acuicultura 4.0
- 8 Conclusión
- 9 Entradas relacionadas:
- Predicción en tiempo real: El nuevo marco calcula instantáneamente la deformación de la red y la tensión en los amarres, superando la lentitud de los modelos tradicionales.
- Fusión de datos (Multifidelidad): Combina simulaciones económicas (baja fidelidad) con datos selectos de sensores físicos (alta fidelidad) para corregir desviaciones sin incurrir en costos elevados de instrumentación.
- Seguridad operativa: Permite la navegación segura de robots submarinos (ROV) alrededor de estructuras deformadas, previniendo colisiones.
- Validación en campo: El sistema demostró su eficacia bajo condiciones invernales extremas en la granja de investigación SINTEF ACE, en Noruega.
El reto de las estructuras flexibles en alta mar
A diferencia de las turbinas eólicas o los buques, las jaulas de acuicultura son estructuras intrínsecamente flexibles. Compuestas por millones de hilos, estas redes se deforman drásticamente bajo la acción hidrodinámica. Según los autores, esta flexibilidad genera dos problemas críticos:
- Reducción del volumen habitable: La deformación comprime el espacio, elevando el estrés en los peces y reduciendo el oxígeno disponible, lo que afecta su crecimiento y supervivencia.
- Riesgo de fugas y colisiones: Las cargas extremas pueden romper componentes. Además, los robots autónomos (ROV) requieren conocer la geometría exacta de la red en tiempo real para evitar choques que provoquen escapes.
Históricamente, la industria oscilaba entre simulaciones numéricas complejas (demasiado lentas para uso en vivo) o sensores físicos (costosos y limitados a puntos aislados).
¿Qué es un Gemelo Digital de Multifidelidad?
La innovación central de este trabajo, liderado por Eirini Katsidoniotaki junto a Biao Su, Eleni Kelasidi y Themistoklis P. Sapsis, reside en su enfoque híbrido.
En lugar de simular la física del agua en su totalidad (lo que exigiría superordenadores) o saturar la jaula de sensores, el equipo, bajo el concepto de un Gemelo Digital, diseñó un sistema que combina:
- Baja Fidelidad (Simulación rápida): Un modelo numérico simplificado (basado en el software FhSim) que estima el movimiento de la jaula. Es veloz, aunque propenso a errores al no capturar detalles como el biofouling (incrustaciones biológicas).
- Alta Fidelidad (Datos reales): Información precisa proveniente de sensores estratégicos de profundidad y carga instalados en la jaula.
El rol de la Inteligencia Artificial (NARGP)
El núcleo que unifica estos dos mundos es un algoritmo de aprendizaje automático denominado Proceso Gaussiano Autorregresivo No Lineal (NARGP).
Mantente siempre informado
Únete a nuestras comunidades para recibir al instante las noticias, informes y análisis más importantes del sector acuícola.
Este algoritmo identifica y aprende las complejas correlaciones entre la simulación simplificada y la realidad medida. En esencia, la Inteligencia Artificial (IA) detecta «dónde falla» la simulación y la corrige en tiempo real usando los datos del sensor. El resultado es una reconstrucción precisa de la estructura completa de la jaula en segundos, con un costo computacional mínimo.
Validación en el «laboratorio» del océano: SINTEF ACE
Para probar la robustez del sistema, los investigadores validaron su gemelo digital en las instalaciones de SINTEF ACE en Buholmen, Noruega.
Las pruebas se ejecutaron durante el invierno de 2020 (enero-marzo), bajo condiciones marinas severas con olas de hasta 1.6 metros y fuertes corrientes. Mientras que el modelo de simulación simple mostraba desviaciones significativas —al ignorar factores como el peso extra del biofouling—, el gemelo digital de multifidelidad corrigió estos errores, alineándose casi perfectamente con las mediciones de los sensores de carga y presión.
Resultados: Precisión que salva inversiones
El estudio subraya dos logros técnicos de alto valor para los productores:
- Alerta temprana: El modelo predijo con exactitud la tensión en las líneas de anclaje basándose en las condiciones ambientales, actuando como un sistema preventivo ante roturas catastróficas.
- Topología 3D en vivo: El sistema reconstruyó la forma completa de la red deformada. Comparado con técnicas avanzadas como las Redes Convolucionales de Grafos (GCN), el enfoque de multifidelidad resultó ser lo suficientemente ligero y robusto para operar on-the-fly.
Esto faculta a los operadores para visualizar en pantalla, y en tiempo real, el comportamiento subacuático de sus activos sin esperas de ingeniería.
Hacia la Acuicultura 4.0
La implementación de estos gemelos digitales marca un hito para la automatización del sector (Acuicultura 4.0). Las aplicaciones prácticas incluyen:
- Operaciones Autónomas Seguras: Los vehículos submarinos (UUV/ROV) pueden planificar rutas de inspección o limpieza sin intervención humana, conociendo la posición exacta de la red.
- Optimización de Costos: Al reducir la dependencia de hardware físico excesivo, disminuye la inversión de capital (CapEx) y los gastos de mantenimiento.
- Toma de Decisiones Estratégica: Permite simular escenarios virtuales ante tormentas inminentes, optimizando el diseño de amarres y la planificación de mantenimiento.
Conclusión
La colaboración entre el MIT y SINTEF Ocean demuestra que la velocidad no está reñida con la precisión. Gracias a los modelos sustitutos de aprendizaje automático, es posible un control total sobre la dinámica estructural en la acuicultura. Esta tecnología es un paso fundamental hacia granjas automatizadas en el mar abierto, garantizando una producción alimentaria sostenible y segura.
Contacto
Eirini Katsidoniotaki
Department of Mechanical Engineering, Massachusetts Institute of Technology
Cambridge, MA, 02138, USA
Email: eirka289@mit.edu
Referencia (acceso abierto)
Katsidoniotaki, E., Su, B., Kelasidi, E., & Sapsis, T. P. (2025). Multifidelity digital twin for real-time monitoring of structural dynamics in aquaculture net cages. Scientific Reports. https://doi.org/10.1038/s41598-025-27812-1
Editor de la revista digital AquaHoy. Biólogo Acuicultor titulado por la Universidad Nacional del Santa (UNS) y Máster en Gestión de la Ciencia y la Innovación por la Universidad Politécnica de Valencia, con diplomados en Innovación Empresarial y Gestión de la Innovación. Posee amplia experiencia en el sector acuícola y pesquero, habiendo liderado la Unidad de Innovación en Pesca del Programa Nacional de Innovación en Pesca y Acuicultura (PNIPA). Ha sido consultor senior en vigilancia tecnológica, formulador y asesor de proyectos de innovación, y docente en la UNS. Es miembro del Colegio de Biólogos del Perú y ha sido reconocido por la World Aquaculture Society (WAS) en 2016 por su aporte a la acuicultura.
