ENIAC, MANIAC I y el Método de Monte Carlo
El proyecto Manhattan es conocido por ser una tour de force en distintas áreas del conocimiento especialmente relacionadas con la física y la química sin embargo también fue el inicio del uso científico de la computación especialmente con el desarrollo de dos computadoras notables.
ENIAC (Electronic Numerical Integrator and Computer) y MANIAC I (Mathematical Analyzer, Numerical Integrator, and Computer) fueron dos de las primeras computadoras electrónicas digitales, desarrolladas en el contexto de la WWII y como parte del proyecto Manhattan. Ambos sistemas fueron fundamentales para las simulaciones y el desarrollo de la física de la bomba atómica, contribuyendo a acelerar el progreso del proyecto.
En este pequeño artículo hablaremos sobre el rol que tuvieron estas computadoras en el desarrollo de los métodos de Monte Carlo tanto en su versión simple como en el método con Cadenas de Markov.
ENIAC y el método de Monte Carlo
ENIAC, diseñado por John Presper Eckert y John W. Mauchly en la Universidad de Pensilvania, comenzó su construcción en 1943 y se completó en 1945. Su propósito inicial era calcular tablas balísticas para la artillería, pero su potencia de cálculo permitió su utilización para resolver ecuaciones complejas en la investigación nuclear del Proyecto Manhattan. Es posiblemente una de las primeras computadoras digitales y su lenguaje de programación es notablemente Turing completo.
Desempeñó un papel clave en el desarrollo y la aplicación del método de Monte Carlo en la investigación científica, especialmente en la simulación de reacciones nucleares. Aunque el método de Monte Carlo ya se había propuesto en 1800 para resolver el problema de la aguja de Buffon, su uso más cercano al moderno proviene de los trabajos de científicos como Stanislaw Ulam y John von Neumann. Fue con el uso de ENIAC que se comenzó a realizar una implementación práctica y eficiente de este enfoque probabilístico para resolver problemas complejos.
El método de Monte Carlo se basa en la generación de experimentos aleatorios para simular sistemas y procesos que son difíciles de modelar de manera determinista. En el caso del Proyecto Manhattan, este enfoque se utilizó para modelar la física de las reacciones nucleares y para optimizar el diseño de la bomba atómica. ENIAC, que había sido inicialmente diseñado para cálculos balísticos, resultó ser extremadamente útil para llevar a cabo los complejos cálculos de simulación de Monte Carlo, permitiendo a los científicos realizar miles de experimentos virtuales en un tiempo mucho más corto que con métodos manuales.
Una de las primeras aplicaciones destacadas del método de Monte Carlo usando ENIAC fue en los cálculos relacionados con la probabilidad de una reacción en cadena nuclear en los experimentos de fisión. Estos cálculos eran cruciales para la determinación de las condiciones necesarias para la detonación de una bomba atómica. El uso de ENIAC facilitó la ejecución de millones de simulaciones, lo que permitió obtener resultados mucho más precisos y confiables, acelerando el progreso de la investigación nuclear.
MANIAC I: MCMC y Ajedrez
MANIAC I, por su parte, fue una computadora diseñada en 1949 en el Instituto de Investigación en Física y Matemáticas de Los Álamos, en la que se emplearon innovaciones como el uso de tubos de vacío de forma más avanzada y su capacidad para realizar cálculos más rápidos y eficaces en la simulación de reacciones nucleares. Es la primera implementación de la célebre arquitectura de Von Neumann IAS indispensable para las computadoras modernas.
Desempeñó un papel crucial en avances científicos en diversas áreas, como las ecuaciones de estado y el método de Monte Carlo con cadenas de Markov. En cuanto a las ecuaciones de estado, MANIAC I fue utilizado para realizar simulaciones complejas de sistemas termodinámicos en particular utilizando el Teorema de Clausius. Fue precisamente bajo la dirección de Nicholas Metropolis que se diseñó esta computadora y se utilizó para resolver difíciles problemas en física de partículas.
En el método de Monte Carlo, MANIAC I facilitó la implementación de este enfoque probabilístico para resolver problemas complejos mediante simulaciones basadas en números aleatorios. Su capacidad para ejecutar cálculos a gran velocidad permitió a los investigadores explorar técnicas como las cadenas de Markov para muestrear distribuciones de probabilidad en sistemas físicos y biológicos.
Es muy llamativo que fue en esta computadora cuando por primera vez un ser humano perdió contra una computadora en ajedrez, no fue en el juego tradicional del ajedrez sino en una versión más sencilla hoy conocida como Alamos Chess en la cual solo se utilizó un tablero de 6x6 y no había peones.
¿Dónde aprender Inteligencia Artificial y sus fundamentos?
En el Colegio de Matemáticas Bourbaki enseñamos con detalle las matemáticas y las bases para que nuestros estudiantes estén listos para aprender los modelos más avanzados de Inteligencia Artificial. Todos los perfiles y necesidades son bienvenidos pues los curso son progresivos. Pueden revisar información en las páginas Track de Finanzas Cuantitativas & AI y Track de Ciencia de Datos.
Compartimos con ustedes algunos de nuestros temarios de cursos por iniciar:
- Track de Ciencia de Datos. (49 semanas).
- Machine Learning & AI for the Working Analyst ( 12 semanas).
- Matemáticas para Ciencia de Datos ( 24 semanas).
- Especialización en Deep Learning. (12 semanas).
- Track de Finanzas Cuantitativas (49 semanas)
- Aplicaciones Financieras De Machine Learning E IA ( 12 semanas).
- Las matemáticas de los mercados financieros (24 semanas).
- Deep Learning for Finance (12 semanas).
