Microsoft abre datos de la red eléctrica para acelerar IAs de energía

Microsoft Research anunció este viernes, 8 de mayo de 2026, el lanzamiento de un conjunto de datos de código abierto que mapea la topología de la red eléctrica de transmisión de los Estados Unidos. La iniciativa busca eliminar uno de los mayores obstáculos para la investigación en sistemas de energía: la falta de datos realistas y accesibles para entrenar modelos de inteligencia artificial.

Resolviendo la escasez de datos críticos

Tradicionalmente, la información sobre la infraestructura eléctrica se clasifica como datos críticos y está protegida por secreto de seguridad nacional. Esto obligaba a los investigadores a utilizar redes de prueba simplificadas o modelos sintéticos que no reflejan la complejidad real del sistema. El nuevo pipeline de Microsoft utiliza datos públicos de OpenStreetMap y estadísticas de energía para construir modelos geográficamente precisos y eléctricamente coherentes.

Según la publicación oficial en el blog de Microsoft Research, el conjunto de datos cubre 48 estados americanos e incluye interconexiones que varían de 11 a más de 20,000 buses. La capacidad de simular el flujo de energía a escala continental permite que ingenieros estudien los congestionamientos en la red y la resiliencia del sistema ante nuevos picos de demanda.

IA y el futuro de los centros de datos

El lanzamiento se produce en un momento en que la industria de IA generativa enfrenta una crisis de hambre energética. Con los nuevos modelos exigiendo gigavatios de potencia, saber exactamente dónde la red eléctrica tiene capacidad ociosa es vital para el posicionamiento de nuevos centros de datos. El conjunto de datos permite realizar análisis de Flujo de Potencia Óptimo (AC-OPF), revelando márgenes físicos que los datos de precios de mercado no pueden mostrar.

Además del conjunto de datos, Microsoft ha puesto a disposición GridSFM, un sustituto basado en aprendizaje automático que puede predecir puntos de operación de la red en milisegundos. Esta combinación de datos abiertos y modelos neuronales abre el camino para que otras empresas y centros de investigación desarrollen soluciones para gestionar la carga eléctrica de forma autónoma, reduciendo el tiempo de espera para la conexión de nuevas infraestructuras de IA.

El código y los datos ya están disponibles en GitHub y en Hugging Face de Microsoft.