WorldParticle: cómo funciona la IA del MIT que simula arena, fluidos y proteínas
Un solo modelo de deep learning predice cómo se mueven millones de partículas en seis fenómenos físicos. Sus autores hablan de un primer paso, no de simular cualquier cosa.

WorldParticle es un sistema de inteligencia artificial desarrollado por investigadores del MIT y de la Universidad de Columbia Británica (UBC), junto con otras instituciones, que simula fenómenos físicos distintos, como arena, fluidos, objetos deformables y proteínas, con una única arquitectura, en lugar de usar un simulador específico para cada uno. Según sus autores, en los seis fenómenos probados logró mayor precisión que los métodos de simulación numérica y, en proteínas, fue unas 100 veces más rápido.
La expresión "casi cualquier fenómeno del mundo real", que circuló en algunos medios, es una simplificación: lo que se probó fueron seis fenómenos. Que sirva para "cualquier escenario" es, por ahora, una meta declarada por los investigadores.

Datos clave
| Dato | Detalle |
|---|---|
| Nombre | WorldParticle |
| Instituciones | MIT y UBC, junto con Georgia Tech, Inria, Meta, U. de Pennsylvania, U. de Utah, UCLA y U. de Hong Kong |
| Grupo de Matusik | Computational Design and Fabrication Group, CSAIL (MIT) |
| Autores nombrados | Peter Yichen Chen, Minghao Guo, Caoliwen Wang, Siyuan Chen y Wojciech Matusik |
| Publicación | Trabajo de acceso abierto descrito en arXiv; se presentará en ACM SIGGRAPH Asia. El comunicado del MIT se difundió alrededor del 9 de noviembre de 2026 |
| Qué hace | Predice posición y velocidad de partículas 3D paso a paso |
| Fenómenos probados | Seis; entre ellos materiales granulares, objetos deformables y proteínas (un medio suma líquidos) |
| Limitación | Es un primer paso; otras aplicaciones son planes |
Cómo funciona
El sistema representa cada objeto, sea una duna o una molécula de proteína, como miles o millones de partículas en tres dimensiones. Es lo que se conoce como representación lagrangiana: en vez de mirar un punto fijo del espacio, se sigue a cada partícula.
Una red neuronal recibe las posiciones y propiedades físicas de esas partículas y devuelve cómo estarán en el cuadro siguiente, en pasos de un segundo. Repitiendo el proceso se obtiene la evolución completa. A diferencia de un simulador tradicional, no se le programa la ecuación de cada material: aprende la dinámica a partir de ejemplos.
Una analogía que usó Peter Yichen Chen, ex posdoc del MIT, hoy profesor asistente en la UBC y uno de los autores correspondientes: es una arquitectura parecida a la de ChatGPT, pero en lugar de predecir una palabra por vez para armar un texto, predice cómo se moverán las partículas, un paso por vez.
Otro recurso es el tratamiento de las fuerzas externas, como el empuje de una ola contra un rompeolas. El modelo las separa antes de cada paso y las reincorpora después para corregir la predicción. Según el comunicado, eso le permite generalizar a materiales, condiciones y fuerzas que no vio durante el entrenamiento.
Simular millones de partículas es muy costoso, por lo que el equipo usó una técnica que fusiona partículas sin perder detalle fino. Minghao Guo, posdoc del MIT y co-líder del trabajo, indicó que hizo falta mucha ingeniería detallada y ajustes para lograrlo.
Qué logró y con qué ejemplos
En los seis fenómenos probados, los autores informan mayor precisión que los métodos numéricos, aunque las fuentes consultadas no dan cifras de error. En arena, el modelo reprodujo el colapso hasta formar un montón, mientras algunos métodos de comparación dejaban partículas flotando. En proteínas, según Guo, fue unas 100 veces más rápido que los simuladores numéricos.
Como ejemplos de uso, se mencionan petróleo que chapotea contra una válvula elástica dentro de un tanque y arena o suelo desplazado por un robot blando.
Para qué podría servir
Los investigadores plantean adaptarlo a descubrimiento de materiales, evolución del ARN y hasta fusión de galaxias, y construir un sistema general de simulación para la ciencia. Son objetivos futuros, no resultados. Notebookcheck mencionó además fármacos, autos, celulares y videojuegos, pero esa lectura es del medio y no figura en el comunicado.
La idea se inspira en los llamados "world models", sistemas que aprenden las reglas del mundo físico para anticipar cómo cambia. Guo explicó la ventaja de unificar: "Si estudiás objetos deformables y fluidos, necesitarías dos simuladores... Pero si los unificás en un solo modelo, quizás podrías acoplar la física de esos dos procesos".
Qué dicen los autores
Chen planteó: "Queremos tener un momento GPT para la simulación". Y agregó: "Nuestra visión es tener un modelo de base que funcione de entrada para cualquier escenario que quieras simular. Este es un primer paso en esa dirección".
Lo que falta saber
- El título exacto del paper y su enlace en arXiv no figuran en las fuentes consultadas.
- No se informó con qué simulaciones se entrenó, el tamaño del modelo ni el hardware usado.
- Tampoco están las cifras de precisión frente a cada método de comparación, ni la lista oficial completa de los seis fenómenos.
- No se mencionan limitaciones puntuales ni si el código o el modelo estarán disponibles.
- El trabajo se presentará en SIGGRAPH Asia; la velocidad de 100 veces es una declaración de los autores.
Se trata de investigación académica, sin producto ni precio, por lo que no hay disponibilidad comercial en la Argentina.
Versiones que no coinciden
- El título 'casi cualquier fenómeno del mundo real' no figura en el comunicado: se probaron seis fenómenos y lo de 'cualquier escenario' es una visión de los autores
- Infobae lo presenta como estudio del MIT y UBC, pero el comunicado menciona otras siete instituciones
- Las fuentes no dan cifras de error que respalden 'mayor precisión'
Ver fuentes consultadas · 3 medios
- Mirage News (réplica del comunicado de MIT News)
- Notebookcheck
- Infobae
El miércoles 11, el Papa pasará al papamóvil a las 9.42 en el ingreso de la ciudad por la Ruta 7 y hará 2,1 kilómetros hasta la Plaza Belgrano, donde a las 10 celebrará la Misa de la Caridad. Desde el martes al mediodía no se podrá entrar en auto.
Comentarios
- Cargando comentarios…


