Así lo recoge un estudio publicado recientemente en la revista científica Atmospheric Research sobre estas redes para el satélite Tropical Rainfall Measuring Mission. El equipo recuperó estas redes, originalmente escritas en Fortran, para probarlas en el satélite GPM (Global Precipitation Measurement), un modelo mucho más avanzado.
Los resultados mostraron que estas redes, pese a su antigüedad, rivalizan con los algoritmos actuales en la estimación de precipitaciones por satélite, una tarea esencial para el monitoreo de fenómenos meteorológicos extremos. En algunos casos, incluso ofrecieron un rendimiento superior.
“Es increíble que unas redes neuronales de hace 25 años sigan siendo tan efectivas”, comenta Livia Leganés, doctoranda de la Universidad de Castilla-La Mancha y primera autora del estudio.
Como parte de su tesis doctoral, Leganés desarrolló un conjunto de redes neuronales modernas utilizando herramientas avanzadas como Python y TensorFlow. Sin embargo, cuando comparó sus modelos con las antiguas redes diseñadas por su director de tesis, Francisco J. Tapiador, los resultados la sorprendieron. “No sólo eran comparables, sino que en algunos casos las redes antiguas funcionaban mejor”, afirma.
Las ventajas del Fortran, según el estudio, radican en que este lenguaje crea programas que se integran directamente en los sistemas operativos, haciendo que sean más rápidos y fiables que los guiones interpretados por Python. Esto resulta clave para aplicaciones en las que la velocidad y la precisión son críticas, como la estimación de lluvias intensas durante eventos extremos.
El hallazgo no sólo destaca la durabilidad de las tecnologías anteriores, sino también su aplicabilidad en situaciones actuales. Estas redes han demostrado ser útiles para ajustar los modelos de predicción meteorológica, como ocurrió durante la dana que afectó a Valencia.
Los expertos precisan que, en aquel caso, las herramientas modernas no estaban preparadas para procesar las altas tasas de precipitación horaria, lo que obligó a modificar los algoritmos en tiempo real.
“Este estudio nos recuerda que la innovación no siempre significa abandonar lo antiguo. A veces, se trata de redescubrirlo y mejorarlo”, señala Francisco J. Tapiador, director del proyecto y responsable del diseño de las redes originales junto al profesor Chris Kidd, de la Nasa.
Tapiador subraya que este trabajo revela una verdad importante: “Aunque los ordenadores actuales son más rápidos, los algoritmos han evolucionado poco en las últimas décadas”.
El equipo de investigación ya está trabajando en un nuevo objetivo: actualizar estas redes neuronales con herramientas modernas y adaptarlas a las tecnologías actuales. Según Livia Leganés, “será como ponerle un motor eléctrico a una bicicleta tradicional”.
“La lógica detrás de la red sigue siendo la misma, pero adaptándola a los nuevos chips conseguiremos superar siempre a los modelos actuales”, añade.
Este enfoque híbrido podría sentar un precedente en el desarrollo de algoritmos para satélites y otras aplicaciones científicas, combinando la robustez de tecnologías probadas con las ventajas de los avances recientes.
El trabajo ha sido financiado por la Agencia Estatal de Investigación y la Agencia de Investigación de Castilla-La Mancha, demostrando la importancia de la colaboración interdisciplinaria e internacional para abordar desafíos complejos en la ciencia y la tecnología.
