Cientistas descobriram que as bolhas de espuma seguem a mesma matemática que a IA

    Os engenheiros da Penn demonstraram que as bolhas numa espuma húmida nunca assentam verdadeiramente, mesmo quando a espuma parece estar imóvel. A parte surpreendente é que a matemática corresponde à forma como os sistemas de aprendizagem profunda são treinados.

    Os investigadores demonstraram que a espuma continua a mudar internamente, mesmo quando parece estável, e a mesma matemática utilizada na aprendizagem profunda acabou por descrever esse movimento irrequieto.
    Os investigadores demonstraram que a espuma continua a mudar internamente, mesmo quando parece estável, e a mesma matemática utilizada na aprendizagem profunda acabou por descrever esse movimento irrequieto.
    Lee Bell
    Lee Bell Meteored Reino Unido 5 min

    A espuma - tal como a espuma de sabão, o creme de barbear, as coberturas de chantilly, etc. - não é algo em que normalmente se pense muito.

    No entanto, na ciência, tem sido frequentemente tratada como vidro ao nível microscópico, com bolhas presas num arranjo confuso e congelado, mesmo que toda a bolha possa ser espremida e voltar a saltar.

    Atualmente, os engenheiros da Universidade da Pensilvânia afirmam ter analisado mais de perto a forma como as bolhas se deslocam através de diferentes disposições sem que a espuma perca a sua forma geral.

    A partir daí, começaram a utilizar simulações de espuma húmida e - estranhamente - afirmaram que a matemática subjacente a esse movimento se assemelha muito à aprendizagem profunda - o método utilizado para treinar a IA moderna.

    Espuma que nunca assenta

    Como parte da investigação, os cientistas referiram-se a teorias mais antigas, que imaginavam que as bolhas rolavam numa paisagem energética para uma disposição de baixa energia e aí permaneciam. Mas quando a equipa comparou os dados reais sobre a espuma com essa ideia, esta não correspondeu.

    “Quando analisámos os dados, o comportamento das espumas não correspondia ao que a teoria previa”, afirmou John C. Crocker, coautor principal do artigo.

    “Começámos a observar estas discrepâncias há cerca de 20 anos, mas ainda não dispúnhamos das ferramentas matemáticas para descrever o que estava realmente a acontecer”.

    Novas simulações revelaram que as bolhas de espuma evitaram fixar-se num “melhor” arranjo, refletindo a forma como a formação em IA se manteve em soluções amplas e viáveis em vez de uma única resposta perfeita.
    Novas simulações revelaram que as bolhas de espuma evitaram fixar-se num “melhor” arranjo, refletindo a forma como a formação em IA se manteve em soluções amplas e viáveis em vez de uma única resposta perfeita.

    As suas simulações ofereceram uma explicação diferente. Descobriram que a espuma não se “resolve” num único estado final ótimo. Em vez disso, explicaram como a espuma continua a vaguear por regiões amplas onde muitas configurações de bolhas são praticamente iguais umas às outras. É por isso que a espuma pode parecer estável na mão e, ao mesmo tempo, ser estável mas inquieta por baixo.

    A matemática da IA aparece

    A surpresa reside no facto de o mesmo tipo de matemática ser utilizado na aprendizagem profunda (ou deep learning), em que um modelo de IA melhora ajustando repetidamente os parâmetros através de métodos relacionados com a descida do gradiente. Nesse mundo, é muitas vezes melhor ficar em regiões mais planas, onde muitas soluções têm um desempenho semelhante.

    A aprendizagem profunda acabou por ser uma boa combinação para o que a espuma estava a fazer.

    “A principal descoberta foi perceber que não se quer empurrar o sistema para o vale mais profundo possível”, disse Robert Riggleman, Professor no CBE e coautor sénior do artigo.

    “Mantê-lo em partes mais planas da paisagem, onde muitas soluções têm um desempenho semelhante, acaba por ser o que permite a generalização destes modelos.”

    Os investigadores pensam que isto pode apontar para uma ideia mais alargada sobre a forma como os sistemas complexos se mantêm organizados enquanto continuam a mudar. Estão agora a rever estruturas biológicas como o citoesqueleto celular, que tem de se reorganizar constantemente sem se desfazer.

    Se a mesma matemática aparecer também aí, poderá ajudar a orientar materiais adaptativos que consigam manter a sua forma, mas que continuem a responder ao meio envolvente.

    Referência da notícia

    Slow relaxation and landscape-driven dynamics in viscous ripening foams, published in Proceedings of the National Academy of Sciences, November 2025.