34-36

Esta visión de una "ciudad digital" requeriría la adquisición de datos de Detalles sin precedentes.
No solo el sistema tendría que adquirir datos estáticos, sino datos dinámicos, es decir, datos en
constante cambio. Por ejemplo, los caudales de aire, agua y efluentes. Una extensión lógica del
concepto es la del Ecosistema Digital, que puede ser artificial (como una ciudad) o natural (como
un bosque, cuenca, continente o incluso todo el planeta). Cualquiera sea la escala, los beneficios
son lo mismo: ganamos la capacidad de optimizar la actividad humana y las infraestructuras en
respecto a eventos adversos o tendencias, y, a través de la simulación en tiempo real, para
identificar respuestas racionales a las crisis.

Se deben desarrollar modelos cuantitativos de los procesos a simular. Por muchos de esos
procesos, modelos de cierto nivel de fidelidad ya existen, o Se están desarrollando para fines de
ingeniería más específicos. Obvio ejemplos son modelos estructurales, dinámica de fluidos,
modelos de combustión y modelos de transporte. Para otros procesos importantes, sin
embargo, cuantitativos Los modelos son rudimentarios o inexistentes. Por ejemplo, carecemos
de modelos que pueden ayudarnos a describir o predecir la respuesta de las poblaciones a crisis.
El desarrollo y La validación de dichos modelos con lleva la adquisición de datos extraordinarios.
Como resultado, el desarrollo de la ciudad digital y el ecosistema digital inevitablemente
ejercerá presión sobre las ciencias experimentales y teóricas Investigación para satisfacer la
demanda de datos abundantes. Además, el tiempo real la simulación de algunas aplicaciones
impulsará desarrollos en sensores e infraestructura de comunicación.

Las recompensas de enfrentar esos desafíos son excelentes: mayor seguridad y conveniencia de
la vida en la Ciudad Digital y el Ecosistema Digital; una infraestructura social de eficiencia sin
igual; respuestas racionales a eventos naturales; e interacciones óptimas con ambientes
naturales. A continuación se mencionan algunas de las principales aplicaciones de las
tecnologías SBES. Protección contra contaminantes del aire, Optimización de infraestructuras,
Predicción de los impactos ambientales a largo plazo, Optimización de respuestas de
emergencia, Optimización de las infraestructuras de seguridad para entornos urbanos.

2.3 SBES en Energía y Medio Ambiente (37)

Las industrias relacionadas con la energía dependen de métodos modernos de simulación para
monitorear la producción de yacimientos de petróleo, planificar medidas para remediar la
contaminación y diseñar estrategias de control. Pronto podremos ver modelos de reservorios
de resolución múltiple que pueden ejecutarse en entornos computacionales muy grandes,
distribuidos, heterogéneos. Esos modelos, además, podrían recibir datos de sensores integrados
en los campos de los yacimientos (por ejemplo, sensores permanentes de fondo de pozo y
sensores sísmicos anclados en el fondo marino). Tal sistema de modelo y sensores podría
proporcionar un circuito de retroalimentación simbiótica entre los datos de medición y los
modelos computacionales. Este enfoque podría conducir a un campo petrolero instrumentado,
uno que sea más eficiente, rentable y ambientalmente seguro.

Las nuevas tecnologías relacionadas con SBES también tienen aplicación inmediata en otras
áreas, incluida la remediación ambiental y el almacenamiento de desechos peligrosos. Una vez
más, estas nuevas áreas de aplicación requieren un marco de simulación integrado e interactivo
con capacidades multiescala.
2.4 SBES en materiales (38)

La tecnología relacionada con SBES puede tener su mayor impacto social cuando las
innovaciones en metodologías de modelado y simulación se cruzan con innovaciones en
materiales. El modelado y la simulación multiescala están transformando la ciencia y la
tecnología del desarrollo de nuevos materiales y la mejora de los materiales existentes. Los
nuevos métodos permiten manipular materiales metálicos, cerámicos, semiconductores,
supramoleculares y poliméricos. Los resultados son estructuras materiales y dispositivos que
tienen notables propiedades físicas, químicas, electrónicas, ópticas y magnéticas. Dicha
colaboración maximiza las posibilidades para desarrollar materiales de gran valor tecnológico.

El uso de simulaciones para descubrir correlaciones estructura-propiedad puede ser superior a

depender solo de datos experimentales. La razón es que la simulación proporciona información
detallada sobre la microestructura evolucionada, así como un control completo sobre las
condiciones iniciales y de contorno.

El poder de la computación multiescala se puede ver en una serie de aplicaciones de alto perfil
que involucran el comportamiento de materiales conocidos en entornos extremos. Por ejemplo,
un problema que ha ocupado la atención de una comunidad considerable de investigadores
durante varios años es la caracterización del comportamiento mecánico de la deformación
plástica en metales a alta presión y alta tasa de deformación. Incluso para los materiales que no
tienen que soportar las condiciones extremas de alta presión y radiación intensa, el campo de
la innovación de materiales es rico en desafíos para nuestra comprensión de las
microestructuras subyacentes de los materiales. Al enfrentar esos desafíos, podemos obtener
enormes beneficios. Por ejemplo, podríamos generar un modelo molecular de cemento, la
sustancia más utilizada hecha por humanos. Tal modelo nos ayudaría a desarrollar un nuevo
cemento con mayor resistencia a la fluencia y durabilidad ambiental.

En todas partes se observan problemas importantes para la sociedad que requieren la

optimización de las propiedades funcionales de los materiales mediante el control de sus
microestructuras. Claramente, SBES tendrá un impacto a largo plazo en la innovación de
materiales. Tres atributos de SBES en particular conducen a esta conclusión. Cobertura
excepcional, Eliminación del empirismo, visualización de los fenómenos.

2.5 SBES en aplicaciones industriales y de defensa (42)

La simulación es omnipresente en la industria. Desempeña un papel esencial en el diseño de

materiales, procesos de fabricación y productos. Cada vez más, la simulación reemplaza las
pruebas físicas para garantizar la fiabilidad y la calidad del producto. Menos pruebas significan
menos prototipos, y el resultado es un ciclo de diseño más corto. La necesidad de ciclos de
diseño más cortos también se aplica a nuestra defensa y seguridad nacional. Los eventos
mundiales son a menudo impredecibles; nuestra industria de defensa debe ser capaz de diseñar,
modificar y fabricar equipos en respuesta rápida a las exigencias militares y policiales. Un
ejemplo de ello es la necesidad imprevista de reforzar los vehículos blindados en Irak después
de que varios de estos vehículos fueron destruidos por artefactos explosivos improvisados.

El uso de la simulación ha demostrado ser efectivo en algunas aplicaciones industriales. Por

ejemplo, en los estudios de resistencia a los choques. En general, sin embargo, la simulación
todavía tiene que desempeñar un papel central en importantes aplicaciones de diseño industrial
y de defensa. La razón es que la simulación a gran escala no entra en el ciclo de diseño hasta sus
etapas posteriores. La preparación del modelo, después de todo, requiere una cantidad
considerable de tiempo y trabajo a menudo lleva meses preparar un modelo, e incluso entonces
el modelo debe calibrarse con pruebas si el diseño es sustancialmente diferente de los diseños
anteriores. Además, la preparación de un modelo generalmente requiere un considerable
conocimiento y habilidad en el análisis de elementos finitos. Por esa razón, el desafío de generar
modelos normalmente recae en ingenieros con títulos avanzados, no en diseñadores. Esta
separación entre las actividades de simulación y diseño resulta en demoras y reduce la
efectividad de la simulación.

Además, las capacidades de simulación actualmente están limitadas en su capacidad para

modelar fenómenos relevantes. Por ejemplo, en la simulación de una colisión trasera entre dos
automóviles, sería deseable modelar la gasolina en el tanque de combustible y los efectos de
cualquier fractura del tanque de combustible. Hasta la fecha, tales simulaciones multi-físicas no
son posibles. Por lo tanto, la tecnología de simulación de resistencia al choque generalmente se
usa para verificar diseños cerca de sus etapas finales.

En la industria de procesamiento químico, la simulación parece tener un papel importante. De

hecho, la mayoría de las plantas petroquímicas utilizan modelos de simulación de procesos en
estado estacionario para realizar una optimización detallada en tiempo real. Como resultado,
las plantas químicas son más eficientes desde el punto de vista energético y medioambiental.
Sin embargo, incluso en las industrias químicas, el uso de la simulación es limitado. Los modelos
de planificación actuales capturan solo las capacidades nominales de la planta; no abordan el
rendimiento real de las plantas y los procesos a varias escalas, ni son sensibles a las
incertidumbres.

En general, la simulación en la industria aún no ha alcanzado todo su potencial. La siguiente lista

es un resumen de sus limitaciones actuales:

1. El desarrollo de modelos lleva mucho tiempo

2. Se necesitan métodos para vincular modelos a varias escalas y simular fenómenos de física
múltiple.

3. La simulación a menudo está separada del proceso de optimización del diseño y no puede
abordar simultáneamente factores como la capacidad de fabricación, el costo y el impacto
ambiental.

Los métodos multiescala proporcionarán amplios beneficios. Por ejemplo, nos permitirán
comprender las relaciones e interacciones de fenómenos a diferentes escalas, lo cual es crucial
en el diseño de muchos productos. Del mismo modo, los diseños que involucran diferentes
componentes también tienen una enorme gama de escalas de tiempo acopladas que
determinan el comportamiento general del sistema.