IBM (NYSE: IBM) y Dallara Group, un fabricante líder mundial de vehículos de competición y alto rendimiento, han anunciado hoy una colaboración para impulsar el diseño y la optimización de vehículos mediante la IA y explorar el uso de la computación cuántica. El proyecto combina la experiencia de Dallara en ingeniería de vehículos de alto rendimiento con el liderazgo de IBM en IA aplicada a la física y la computación cuántica, con el fin de investigar cómo acelerar el diseño aerodinámico y abrir el camino a flujos de trabajo de simulación más avanzados.
Durante más de 50 años, Dallara ha diseñado y suministrado vehículos de alto rendimiento para algunas de las competiciones más importantes del mundo como la IndyCar — donde las velocidades en pista pueden superar los 370 km/h — así como para Fórmula 2, Fórmula 3, Super Fórmula, Indy NXT y Fórmula E, además de participar en competiciones de primer nivel como el WEC y la IMSA. Esta gran variedad de competiciones ofrece una capacidad única para validar los resultados de las simulaciones frente al rendimiento real de los vehículos. Dallara también aplica sus conocimientos en ingeniería a vehículos de carretera de alto rendimiento y a la industria aeroespacial. Estas características, junto con su enfoque en la innovación, fueron fundamentales para que IBM eligiera colaborar con Dallara.
Los primeros resultados indican que es posible reducir el tiempo de simulación aerodinámica de muchas horas a unos pocos minutos y ayudar a los ingenieros a explorar más opciones de diseño en las fases iniciales del desarrollo del vehículo
Como parte del proyecto, IBM ha estado desarrollando modelos fundacionales de IA específicos para cada ámbito en estrecha coordinación con Dallara. Estos modelos no solo aprovechan los datos de simulación aerodinámica de alta fidelidad de Dallara, sino que también se benefician de su profunda experiencia técnica y de las mediciones validadas de vehículos reales en túneles de viento y en pista. En una fase posterior, los equipos pretenden integrar mediciones validadas de vehículos reales en túneles de viento y en pista, pero el uso exclusivo de datos de simulación ya está dando resultados iniciales muy prometedores.
Los ingenieros dependen en gran medida de la dinámica de fluidos computacional (CFD) para predecir las fuerzas aerodinámicas y optimizar el rendimiento de los vehículos en componentes como la carrocería, el suelo, los alerones y las ruedas. Estas simulaciones son muy eficaces, pero requieren un gran esfuerzo computacional. Incluso los análisis sencillos pueden durar varias horas, en cambio, los flujos de trabajo completos de desarrollo de un coche de carreras pueden llevar semanas o meses, mientras los ingenieros van probando cambios en la geometría, las condiciones de funcionamiento y el equilibrio de prestaciones.
IBM y Dallara están utilizando IA para acelerar esos flujos de trabajo sin sustituir la física subyacente. En un ejemplo temprano, centrado en la geometría de un coche conceptual similar al Le Mans Prototype 2 (LMP2), ambas compañías compararon conjuntamente análisis CFD de múltiples configuraciones del difusor trasero — una pieza situada en la parte inferior que ayuda a generar una carga aerodinámica eficiente y, por lo tanto, agarre — con los resultados del nuevo método de IA basado en la física.
El método tradicional tardaba varias horas en terminar este proceso, mientras que el modelo de IA completó las mismas evaluaciones en unos 10 segundos, identificando el mismo diseño óptimo con márgenes de error prácticamente idénticos a los del CFD. Aplicado a un conjunto completo de cientos de configuraciones geométricas, tal aceleración podría reducir días de simulación a minutos.
Estos y otros resultados preliminares sugieren que los ingenieros de Dallara pueden analizar más configuraciones de vehículos en mucho menos tiempo y avanzar más rápido en las primeras fases de diseño, ayudando a centrar sus recursos computacionales más costosos en la optimización profunda del diseño y el desarrollo de coches de competición.
Pie de foto: En los primeros modelados de campos de presión para ajustar el ángulo del difusor trasero de un coche de carreras similar a un LMP2 de -2 a +4 grados, los resultados obtenidos con el CFD convencional(izquierda) fueron muy similares a los obtenidos con el nuevo enfoque de IA basado en física de IBM (derecha). Imagen – IBM y Dallara
Al mismo tiempo, IBM y Dallara están empezando a explorar cómo los enfoques cuánticos e híbridos cuántico-clásicos podrían mejorar aún más los flujos de trabajo de diseño de coches de carreras. Al combinar la experiencia de Dallara en ingeniería de vehículos de alto rendimiento y diseño basado en CFD con el liderazgo de IBM en computación cuántica e IA, esta colaboración evaluará en qué aspectos estos métodos pueden complementar los flujos de trabajo tradicionales de simulación a corto plazo, al mismo tiempo que identifica oportunidades a largo plazo para su uso práctico en el diseño de automóviles y de vehículos de carreras.
Las empresas están empezando a estudiar cómo integrar la computación cuántica en el flujo de trabajo de diseño y mejorar aún más la precisión de la simulación para problemas aerodinámicos complejos
«Las carreras han enseñado a Dallara que hay dos posibles resultados: o ganas o te ves obligado a aprender. La estrecha colaboración de IBM en este proyecto tan innovador es una prueba de la voluntad de Dallara de seguir superando sus límites y no dejar nunca de aprender», ha afirmado Andrea Pontremoli, CEO de Dallara.
«Algunos de los mayores retos de la ingeniería se reducen a simular con precisión el mundo físico», ha explicado Alessandro Curioni, IBM Fellow y vicepresidente Algorithms and Applications de IBM Research. «Con Dallara, IBM está aplicando la IA para acelerar el diseño aerodinámico actual, al mismo tiempo que avanza la computación cuántica para llevar la simulación aún más lejos. En conjunto, estas tecnologías pueden ayudar a los ingenieros a avanzar más rápido, explorar más posibilidades y, en última instancia, diseñar vehículos con un mejor rendimiento».
Impulsar el diseño aerodinámico con IA
Diseñar un vehículo de alto rendimiento implica encontrar un equilibrio entre la carga aerodinámica, la resistencia, la estabilidad y la capacidad de respuesta en condiciones que pueden cambiar de una carrera a otra. Debido a que algunas piezas se diseñan con una precisión milimétrica, incluso los cambios de diseño más insignificantes pueden tener impactos sorprendentemente grandes en el rendimiento, y la mejor solución aerodinámica no siempre es evidente.
Los modelos de IA se están diseñando para ayudar a predecir comportamientos aerodinámicos directamente a partir de la geometría y los datos de ingeniería relacionados. A medida que avance la colaboración, IBM y Dallara tienen previsto ampliar los modelos de IA a un rango más amplio de condiciones, como diferentes maniobras o situaciones de adelantamiento, aplicarlos al diseño de nuevos vehículos y desarrollar herramientas que permitan explorar más rápidamente nuevas configuraciones aerodinámicas, antes de invertir en simulaciones intensivas de vehículos completos.
«Los vehículos de alto rendimiento son un campo de pruebas ideal para modelos sustitutos neuronales, pero su potencial impacto va mucho más allá de los circuitos», ha asegurado Fabrizio Arbucci, CIO de Dallara. «Los diseños más eficientes podrían beneficiar a todas las formas de transporte, desde los coches de carretera hasta los aviones, e incluso a otras industrias que tienen una fuerte dependencia de la aerodinámica. Una reducción del uno al dos por ciento en la resistencia aerodinámica de los vehículos de pasajeros podría traducirse en una mejora considerable del ahorro de combustible a gran escala».
Los resultados iniciales de esta colaboración se detallan en un estudio preliminar publicado en arXiv el 20 de abril de 2026. Este trabajo se basa en un nuevo modelo de IA desarrollado por IBM denominado Gauge-Invariant Spectral Transformers (GIST), cuyo funcionamiento fue explicado en un estudio preliminar el 27 de marzo. IBM y Dallara presentaron estos y otros avances en la aplicación de la IA a sistemas físicos complejos el 26 de abril de 2026 en la International Conference on Learning Representations, celebrada en Río de Janeiro.
