La Fórmula 1 tiene el nombre perfecto, porque su éxito depende completamente de una serie de fórmulas y de las computadoras que las resuelven.

Muchos deportes hoy en día se basan cada vez más en datos. Los equipos de fútbol realizan análisis posteriores al partido, se recopilan datos tiro por tiro en Wimbledon y los estadios mismos están equipados con sensores. La Fórmula 1 se diferencia por estar basada en datos en cada paso del proceso: en la fábrica donde se fabrican los vehículos, antes de la carrera y en el circuito a mitad de vuelta.

La Fórmula 1 no siempre ha estado basada en datos. El deporte existe desde 1950, cuando la 'fórmula' era simplemente un conjunto de reglas que los autos y los conductores tenían que seguir. En la década de 1990, los equipos comenzaron a colocar sensores en los autos para recopilar datos y mejorar sus estrategias de carrera. Hoy en día, los automóviles pueden tener hasta 400 sensores a bordo, recopilando grandes cantidades de datos para su análisis.

Así como la carrera es una hazaña de atletismo y concentración por parte de los pilotos, también es una hazaña de ingeniería, dinámica de fluidos computacional, cálculo y pensamiento científico. Es una demostración de lo que podemos lograr cuando invertimos asombrosas cantidades de dinero en un objetivo establecido.

Sin embargo, en los últimos años, la Federation Internationale de l'Automobile (FIA) ha introducido nuevas regulaciones a un ritmo acelerado, incluido un límite de costos que limita la cantidad de dinero que pueden gastar los equipos. Desde entonces, los equipos extremadamente bien financiados han tenido que retirar la inversión y las opciones de TI nunca han sido más importantes.

Entrada del límite del presupuesto

Antes del límite del presupuesto, los equipos de F1 estaban limitados solo por la profundidad de los bolsillos de sus propietarios, así como por varios otros requisitos estrictos para los autos y las instalaciones de prueba.

Como resultado, la clasificación se ha mantenido mayormente constante a lo largo de los años, con Mercedes, Ferrari y Red Bull Racing luchando por los tres primeros lugares. En 2019, Mercedes gastó $484 millones, Ferrari $463 millones y Red Bull Racing $445 millones. El siguiente más cercano fue Renault, con 272 millones de dólares.

El límite de costos limitó a todos los equipos a $ 145 millones para 2021, $ 140 millones para 2022 y $ 135 millones para 2023-2025, y se aplica a todo lo que mejore el rendimiento del automóvil, desde los salarios de los ingenieros hasta los materiales utilizados y la configuración de TI que alimenta las simulaciones y el seguimiento de los coches en durante la carrera.

Si bien sigue siendo una cantidad asombrosa de dinero, esto efectivamente redujo la asignación de los mejores equipos en dos tercios y los obligó a volver a organizar el presupuesto.

Este límite tiene como objetivo nivelar las reglas del juego, pero hasta ahora aún no ha tenido ese efecto. Dominic Harlow, jefe de auditoría técnica de la FIA, estuvo de acuerdo en que se trataba de una "observación válida", pero argumentó que la financiación no está necesariamente a la par con el valor de la experiencia.

“En realidad, la ingeniería de un vehículo de F1 es algo que se construye con el tiempo en todos los ámbitos, en términos de diseño, equipo y conocimiento. No significa necesariamente que si se cambia la cantidad de gasto en un área, el rendimiento se verá afectado de inmediato”, explicó Harlow.

En otras palabras, llevará tiempo que los resultados se reflejen en el marcador.

Si bien las limitaciones financieras obviamente reducen el poder computacional en el que las empresas de F1 pueden invertir, también hemos visto que los equipos que violan los límites de gasto deben pagar un costo en términos de tecnología.

En 2021, el nuevo líder y némesis universal Red Bull Racing sobrepasó su límite en un 1,6 por ciento. Finalmente, fue multado con 7 millones y se redujo su asignación de pruebas aerodinámicas en un 10 por ciento, una pérdida significativa para el elemento más computacional del deporte.

Las pruebas aerodinámicas y las simulaciones de CFD (dinámica de fluidos computacional) se consideran tan valiosas en el deporte que se hacen deducciones para los equipos en función de su clasificación en el marcador final. Al primer lugar se le permiten 1400 simulaciones durante su período de prueba de ocho semanas, mientras que el décimo lugar obtiene 2300.

Para Red Bull, que en 2021 terminó en segundo lugar en la clasificación, el recorte del 10 por ciento hizo que sus simulaciones cayeran de 1500 a 1350. Todavía una cantidad significativa de pruebas, pero drásticamente más baja que algunos de los otros equipos. Independientemente, Red Bull aún logró reclamar el título en 2022 y se mantiene cómodamente en la cima de la clasificación para 2023 hasta el momento, más del doble de puntos por delante del segundo clasificado, Mercedes.

En casa y lejos

La TI es esencial en cada etapa del proceso de carrera. Para McLaren Racing, esto se divide en tres etapas: diseño, construcción y carrera.

El equipo comienza a diseñar sus nuevos autos un año antes de que comience la temporada, y dada la larga temporada, esto significa que se están trabajando en nuevos diseños cuando el vehículo actual acaba de salir a competir.

“Un pequeño grupo de personas comenzará a pensar en el vehículo del próximo año”, dijo Ed Green, director comercial de tecnología de McLaren Racing. “Gran parte de nuestro trabajo se realiza dentro del diseño asistido por computadora (CAD). Nuestros ingenieros diseñarán piezas para los autos nuevos, y el diseño se ejecuta a través de un túnel de viento virtual que se basa en la dinámica de fluidos computacional (CFD)”.

Según Green, solo ese proceso genera más de 99 petabytes de datos, todos los cuales se procesan en las instalaciones debido a las regulaciones relacionadas con CFD.

La FIA también limita la cantidad de tiempo que se pueden usar las simulaciones del túnel de viento, lo que significa que la precisión y la eficiencia de las computadoras del equipo son una ventaja clave.

A partir de este punto, las piezas probadas digitalmente se imprimirán en 3D a pequeña escala y se probarán en un túnel de viento físico donde los sensores controlan el rendimiento y se miden los datos sobre geometrías y presiones de aire. Siempre que estos resultados sean consistentes con los hallazgos de CFD, comienza la fabricación.

McLaren utiliza un enfoque híbrido para su TI, parte del cual se procesa en Google Cloud pero, según Green, el equipo favorece la computación en las instalaciones, en parte por la latencia reducida.

“Tenemos alrededor de 300 sensores en el automóvil, y en el transcurso de un fin de semana de carrera en el que conducimos durante unas cinco horas, eso generará un terabyte y medio de datos. Lo analizamos en la pista, pero también estamos conectados hasta el cuartel general (o lo que llamamos 'control de la misión')".

Esos sensores recopilan datos sobre cada elemento que podría afectar el resultado de la carrera, desde la presión de los neumáticos, la telemetría de la carrera, la velocidad, la ubicación en la pista, la disponibilidad y el flujo de combustible, la velocidad del viento, el calor y mucho más.

“Hay un entorno al estilo de la NASA en el que el equipo en casa también analizará los datos y apoyará la toma de decisiones para el piloto”, explicó Green.

Con tanta infraestructura en las instalaciones y el valor que tiene para el rendimiento de los equipos de carrera, Green no estaba dispuesto a compartir más información sobre la capacidad informática de McLaren más allá de decir que el equipo tiene alrededor de 54 terabytes de memoria.

Computación en tierra

Para que el equipo analice y procese los datos de la carrera en la pista, se debe transportar un centro de datos portátil junto con los autos a cada carrera.

“Tenemos un centro de datos portátil que consta de dos bastidores dentro de un estuche de vuelo con montaje antichoque, y es una de las únicas cosas que viajan junto con nuestros automóviles en avión; todo lo demás se hace por transporte marítimo”, dijo Green.

Esos centros de datos portátiles deben ser extremadamente flexibles, ya que se enfrentan a entornos muy diferentes semana tras semana. Podría ser el clima generalmente templado de Silverstone en el Reino Unido, la sala de vapor de 40°C de Singapur o una pista anormalmente polvorienta en la India, y McLaren tiene que configurar su centro de datos 23 veces en el transcurso de una temporada.

Green recuerda uno de sus primeros fines de semana de carreras, cuando ingresó al centro de datos y encontró a un colega aspirando los servidores.

En la pista, McLaren está utilizando servidores y almacenamiento de Dell, con equipos de conmutación de Cisco. En total, el equipo transporta alrededor de 140 terabytes de almacenamiento de estado sólido a cada carrera para el análisis en el sitio, que también se transmite a las fábricas. En caso de que falle la conexión con el "control de la misión", la computación en Edge puede mejorar o interrumpir el rendimiento.

Los datos de Aston Martin cambiaron el marcador

Uno de los cambios más notables en las últimas temporadas de F1 es el ascenso repentino y drástico del equipo de Aston Martin.

Tanto en 2021 como en 2022, los pilotos de Aston Martin terminaron séptimos en la tabla de clasificación, con varias carreras en los que se ubicaron décimo o menos (incluso en el puesto 20 en una ocasión en 2021). Pero este año ha sido un verdadero regreso, liderado por el veterano corredor y dos veces campeón mundial Fernando Alonso, quien subió al podio seis veces este año, lo que llevó al equipo al tercer lugar general.

El cambio comenzó en 2020, cuando el empresario canadiense Lawrence Stroll se hizo cargo del equipo de carreras de Aston Martin. En 2021, el equipo se asoció con Net App y en 2022 contrató a una nueva CIO, Clare Lansley, quien anteriormente fue directora de transformación digital en Jaguar Land Rover.

“Cuando me uní al equipo, estaba muy claro que se había invertido poco en TI, dada la herencia del equipo”, dijo Lansley. “Desde que Stroll lo compró y obviamente proporcionó una inversión importante, ahora estamos en condiciones de transformar la TI, y el primer comienzo fue garantizar que la infraestructura fuera eficiente, confiable y segura. El concepto de implementar una estructura de datos fue absolutamente fundamental”.

Pero aunque esta nueva inversión trajo consigo nuevas oportunidades, el equipo aún tenía que mantenerse dentro de los límites del presupuesto deportivo. El peso de la carga cuesta alrededor de $500 por kilo transportado, y dado el viaje casi semanal involucrado, esto se acumula rápidamente. Según Lansley, fue en parte esto lo que aseguró el trabajo a NetApp.

Donde quiera que vayan los coches y los conductores, les sigue un FlexPod de NetApp.

“Para estos dispositivos, el hecho de que fueran a reducir el peso de la carga y el espacio real, que fueran más pequeños que el kit anterior, fue un gran impulso. Pero también eran más simples de configurar. Cuando llegamos a la pista, mi equipo recibe un caparazón de hormigón que está completamente desnudo, por lo que no quiero pasar muchos cables. Quiero algo que pueda conectar y usar de manera efectiva a gran velocidad”, explicó Lansley.

La solución FlexPod redujo la computación en tierra de Aston Martin de varios bastidores y de 10 a 15 equipos individuales a un solo par de servidores. Un servidor para procesamiento y almacenamiento, y otro para redundancia.

Durante la carrera, los sensores de los autos transmiten datos al FlexPod por radiofrecuencia. Este luego usa SnapMirror para tomar instantáneas de los datos, guardando solo las diferencias entre cada instantánea, que luego se transmite al FlexPod en la fábrica de Silverstone, donde los 50 ingenieros comienzan a probar y simular diferentes opciones para el resto de la carrera.

Una vez que los datos llegan al control de la misión, comienzan las simulaciones, la CFD en tiempo real (rCFD) y las pruebas. Pero una limitación notable impuesta a este proceso por la FIA es que "la parte o partes del solucionador de todos los rCFD solo deben llevarse a cabo utilizando un recurso informático que contiene un conjunto de unidades de procesamiento homogéneas", y esas unidades de procesamiento homogéneas deben ser núcleos de CPU.

GPU versus CPU

Dominic Harlow de la FIA explicó la decisión de la FIA de permitir únicamente CFD basados ​​en CPU.

“La decisión de usar CPU se basó en las discusiones que tuvimos hace bastante tiempo con los equipos, expertos independientes de la industria y nuestros propios especialistas sobre cómo cuantificar la cantidad de cómputo utilizada para una simulación CFD. Se nos ocurrió una métrica que se basa efectivamente en una hora central”, dijo Harlow.

“Para las GPU en particular, obviamente es una enorme cantidad de núcleos potencialmente y bastante difícil definir un núcleo, de manera similar para los arreglos de puertas programables de campo u otros tipos de procesadores que podría usar para CFD.

"Las CPU son, con mucho, las más comunes y fue la implementación más práctica para regular".

Si bien puede tener CPU ejecutándose en tándem, la naturaleza de CFD, como IA, lo hace muy complementario al procesamiento basado en GPU. Para comprender esto, debemos profundizar en los casos de uso específicos de CPU y GPU. Las CPU están diseñadas para el paralelismo de tareas, mientras que una GPU está diseñada para el paralelismo de datos y la aplicación de la misma instrucción o conjunto de instrucciones a múltiples elementos de datos.

Esta es la razón por la que las GPU son fundamentales para los videojuegos, donde el conjunto de instrucciones es el mismo para el modelo del personaje, los elementos del mundo virtual y todos los activos que el jugador verá en su pantalla.

Este paralelismo de datos también es la razón por la cual las GPU son excelentes para los modelos de inteligencia artificial; después de todo, el mismo conjunto de instrucciones se aplica a grandes conjuntos de datos.

CFD implica dividir los datos en pequeños bloques. En el caso de una simulación de auto de F1, el aire alrededor del auto, el suelo debajo, el vehículo mismo, se convierte en polígonos diminutos y cada uno debe procesarse en paralelo.

En un documento presentado en la Conferencia Internacional sobre Ciencias de la Computación de 2017 en Zúrich, Suiza, los investigadores descubrieron que las GPU podrían acelerar una simulación 2D utilizando algoritmos HSMAC y SIMPLE en 58x y 21x respectivamente con doble precisión, y 78x y 32x con precisión simple en comparación con la versión de CPU secuencial.

Harlow estuvo de acuerdo en que, dado que las GPU están mejorando constantemente, la regla anti-GPU podría cambiar en el futuro.

“Obviamente, debemos observar muy, muy detenidamente hacia dónde se dirige la industria ahora, porque parece que las GPU están alcanzando un mayor nivel de madurez, particularmente para las aplicaciones, y no solo como aceleradores, sino como el procesador principal para la simulación. Así que debemos cuidar este espacio”.

También es esta necesidad de homogeneización lo que impide que algunos equipos de F1 procesen en la nube, debido a la dificultad de cuantificar las horas principales utilizadas y los estrictos requisitos de informes que se les imponen.

Carreras a la nube

Sin embargo, esto no ha impedido que algunos equipos de F1 dependan en gran medida de la computación en la nube. Oracle Cloud Infrastructure (OCI) se convirtió en el patrocinador principal de Red Bull Racing como parte de un acuerdo de $ 500 millones en 2022, y el equipo ha declarado públicamente que usa Oracle para ejecutar simulaciones de Monte Carlo como parte de su preparación para la carrera..

A finales de 2022, el ganador y piloto de Oracle Red Bull Racing, Max Verstappen, dijo: “Debido a todas las simulaciones antes de que comience la carrera, es muy fácil adoptar una estrategia diferente durante la carrera porque todo está ahí, todo está preparado. Creo que definitivamente teníamos una ventaja estratégica sobre otros equipos”.

Las simulaciones de Monte Carlo utilizan algoritmos informáticos que dependen de muestreos aleatorios repetidos. Al explorar una amplia variedad de posibilidades, esa aleatoriedad se puede utilizar para resolver problemas deterministas. Para Red Bull, esto significa aplicar una variedad de variables de superficie, velocidades del viento y del clima, posibles problemas o elecciones del automóvil, cualquier factor que pueda afectar el resultado de una carrera y probarlos todos.

Todo esto se hizo con computación en la nube: el equipo usó Oracle Container Engine para Kubernetes para contener esas aplicaciones de simulación y luego ejecutar esos modelos usando CPU basadas en Ampere Arm de alto rendimiento en OCI.

“Las primeras cargas de trabajo que trasladamos a OCI fueron nuestras simulaciones de Monte Carlo para la estrategia de carrera”, dijo Matt Cadieux, CIO de Red Bull Racing en Oracle CloudWorld en Londres. “La razón por la que esta es nuestra estrategia de carrera es de misión crítica. Tiene una gran influencia en los resultados de nuestras carreras. Estábamos ejecutándonos en un clúster local obsoleto y nuestros modelos estaban creciendo, por lo que necesitábamos más capacidad de cómputo, y también necesitábamos hacer algo que fuera muy asequible en la era de los límites presupuestarios”.

En este caso, la flexibilidad de la computación en la nube y la capacidad de Red Bull para activar las CPU durante períodos cortos de tiempo para realizar estas simulaciones pueden haberles hecho ganar el título.

Independientemente de si los equipos están adoptando un enfoque local o basado en la nube, el límite de costos ha demostrado ser un obstáculo que ha obligado a la innovación en todos los frentes. Con un deporte que depende tanto de la innovación tecnológica, la destreza científica y el pensamiento innovador, existe el argumento de que esta limitación solo sirve para fortalecer el deporte.

Obligar a los equipos a encontrar métodos financieramente más sostenibles para lograr esto no solo impulsará la competencia a largo plazo, sino que también podría cambiar la forma en que la industria y otros abordan los problemas tecnológicos en entornos y situaciones limitados.