A framework for the use of generative modelling in non-equilibrium statistical mechanics

Este artículo propone un marco para modelar sistemas fuera del equilibrio y autoorganizados utilizando modelos generativos y el principio de la energía libre variacional, el cual ofrece una explicación tratable y parsimoniosa de la dinámica del sistema como una forma de inferencia variacional sin requerir que el sistema realice literalmente la inferencia.

Lo esencial

La visión general: El juego del "Como si"

Imagina que estás observando una bandada de pájaros revoloteando en el cielo. Para un científico, estos pájaros son solo objetos físicos que se mueven según el viento, la gravedad y la potencia muscular. Pero este artículo sugiere una forma diferente de verlos.

Los autores argumentan que podemos describir a estos pájaros como si estuvieran haciendo matemáticas. Específicamente, podemos pretender que están constantemente adivinando dónde deberían estar y ajustando su vuelo para que sus conjeturas coincan con la realidad. No es que estén sentados en el cielo haciendo cálculo; son solo objetos físicos. Pero describirlos como si estuvieran adivinando hace que sea mucho más fácil para nosotros (los científicos) entender y predecir cómo se mueven.

El artículo llama a esto el Principio de la Energía Libre (FEP). Es una herramienta que nos permite modelar sistemas complejos y desordenados (como células, cerebros o incluso el clima) pretendiendo que intentan minimizar la "sorpresa".

El concepto central: La "Manta de Markov" (La pared invisible)

Para entender cómo funciona esto, imagina una casa con una pared muy especial.

• Dentro de la casa: Los "Estados Internos" (la familia que vive allí).
• Fuera de la casa: Los "Estados Externos" (el clima, los vecinos, el mundo).
• La Pared: La "Manta de Markov". Este es el límite (como los órganos sensoriales o la piel) que separa el interior del exterior.

La pared tiene dos tipos de ventanas:

1. Ventanas Sensoriales: Puedes ver hacia afuera, pero no puedes tocar el exterior directamente.
2. Puertas Activas: Puedes presionar hacia el exterior (como abrir una ventana para que entre aire), pero no puedes ver a través de ellas.

El artículo afirma que, si un sistema tiene este tipo de pared, tiende naturalmente a permanecer en un estado en el que no se siente "sorprendido" por lo que entra a través de las ventanas sensoriales. Si un pez está en el agua, espera sentirse mojado. Si de repente se siente seco (alta sorpresa), está en problemas. El sistema se mueve naturalmente para permanecer en la zona "mojada".

El truco de magia: "Sorpresa" y "Energía Libre"

Los autores introducen dos ideas clave:

1. Sorpresa (Surprisal): Qué tan sorprendido está un sistema por su situación actual. Si eres un pez y estás en el agua, tu sorpresa es baja. Si estás en la tierra, tu sorpresa es alta.
2. Energía Libre Variacional: Este es un "límite superior" matemático de la sorpresa. Piensa en ello como una tarjeta de puntuación.
   • El sistema no conoce la puntuación exacta de su sorpresa (porque no puede ver el mundo entero).
   • En su lugar, utiliza un modelo de "mejor conjetura" para calcular una tarjeta de puntuación llamada Energía Libre.
   • El artículo argumenta que los sistemas físicos derivan naturalmente hacia la minimización de esta tarjeta de puntuación.

La Analogía: Imagina que estás jugando a un videojuego donde no puedes ver todo el mapa. Solo ves un pequeño círculo alrededor de tu personaje. Quieres evitar caerte por acantilados (sorpresa). No sabes exactamente dónde están los acantilados, pero tienes un "presentimiento" (un modelo generativo) de dónde podrían estar. Te mueves para minimizar el riesgo de caerte por un acantilado basándote en tu presentimiento. El artículo dice que los objetos físicos hacen esto automáticamente, no porque estén pensando, sino por cómo están construidos.

La distinción entre "Mapa vs. Territorio"

Este es el punto filosófico más importante que plantea el artículo.

• El Territorio: El mundo real (el pez real, las células reales, la física real).
• El Mapa: El modelo matemático del científico.

Los críticos suelen decir: "¡Espera! ¡Estás diciendo que el pez tiene un mapa en su cabeza. ¡Eso es falso! El pez es solo un pez".

Los autores dicen: "No, no estamos diciendo eso".

Argumentan que el Mapa (nuestas matemáticas) es solo una herramienta que usamos para describir el Territorio.

• Podemos escribir un mapa que diga: "El pez se comporta como si estuviera tratando de permanecer en el agua".
• Esto no significa que el pez esté pensando realmente: "Debo permanecer mojado".
• Solo significa que, si describimos al pez usando esta lógica de "como si", las matemáticas funcionan perfectamente.

El artículo llama a esto una visión "deflacionaria". No le estamos dando al pez un cerebro o un alma; simplemente estamos usando un truco matemático ingenioso (inferencia variacional) para describir su movimiento. La "inferencia" ocurre en nuestro modelo, no necesariamente en el pez.

Los Ejemplos: Cómo funciona en la práctica

El artículo pone a prueba esta idea con dos simulaciones por computadora:

1. Morfogénesis Celular (Construyendo un cuerpo):

   • Imagina un grupo de células idénticas y no diferenciadas.
   • Los científicos les dan un "objetivo" (un mapa de cómo debería verse una cabeza, un cuerpo y una cola).
   • Las células no tienen un plano. En su lugar, utilizan la regla de la "Energía Libre". Se mueven y cambian sus señales químicas para coincidir con la "sorpresa" de no estar en el lugar correcto.
   • Resultado: Las células se organizan espontáneamente en una cabeza, un cuerpo y una cola, simplemente tratando de minimizar su "sorpresa" sobre dónde se encuentran.

2. Células de Disparo Periódico (Un ritmo):

   • Imagina un anillo de células que deben disparar un ritmo específico (como un latido del corazón).
   • Los científicos configuran una "onda objetivo" (una onda senoidal).
   • Las células ajustan su disparo para coincidir con esta onda, minimizando el error entre lo que sienten y lo que "esperan" sentir.
   • Resultado: Las células se sincronizan en un ritmo perfecto y estable, comportándose como si estuvieran prediciendo los latidos futuros.

La Conclusión: Un Mapa de Mapas

El artículo concluye con un giro ingenioso.

Si el "Territorio" es el mundo real, y el "Mapa" es nuestro modelo científico...

• El Principio de la Energía Libre es un Mapa de Mapas.

Es una regla que nos dice: "Cualquier sistema físico que exista y se mantenga unido debe, desde la perspectiva de un observador, parecer que está intentando minimizar la sorpresa".

No importa si el sistema es una roca, una célula o un cerebro humano. Si tiene un límite (una manta de Markov) y se mantiene estable, podemos describirlo usando esta lógica de "como si". El artículo no afirma que la roca sea consciente; afirma que nuestra mejor forma de entender la roca es tratarla como si fuera un modelo de su propio entorno.

Resumen en una frase

Este artículo propone un marco matemático donde podemos describir cualquier sistema físico estable (como una célula o una máquina) como si estuviera constantemente adivinando y corrigiendo su propio estado para evitar la "sorpresa", no porque el sistema esté pensando realmente, sino porque esta descripción de "como si" es la forma más poderosa y precisa para que los científicos modelen cómo funciona el mundo.

Resumen técnico

Resumen Técnico: Un Marco para el Uso de la Modelización Generativa en la Mecánica Estadística Fuera del Equilibrio

Planteamiento del Problema
El artículo aborda el desafío de modelar matemáticamente sistemas abiertos y fuera del equilibrio compuestos por objetos acoplados (por ejemplo, partículas, células o poblaciones). Los enfoques tradicionales suelen depender de la definición explícita de sistemas dinámicos aleatorios, lo cual puede resultar intratable y difícil de interpretar respecto a por qué un sistema conjunto evoluciona de una manera específica. Los autores buscan un marco que ofrezca una explicación parsimoniosa de la dinámica de los sistemas interactuantes basada en las propiedades de su acoplamiento, sin presuponer necesariamente que los objetos físicos en sí mismos realicen una inferencia literal. Un obstáculo filosófico y técnico central abordado es la potencial "falacia del mapa-territorio": la acusación de que la modelización del Principio de la Energía Libre (FEP, por sus siglas en inglés) confunde el modelo científico (el mapa) con el sistema físico mismo (el territorio), reificando erróneamente los procesos inferenciales como rasgos literales del objeto.

Metodología
Los autores proponen un marco fundamentado en el Principio de la Energía Libre Variacional (FEP), utilizando modelos generativos para representar las relaciones de dependencia entre los estados (o trayectorias) de los sistemas acoplados. La metodología procede a través de los siguientes pasos:

1. Partición de la Manta de Markov: El sistema se particiona en estados internos ($\mu$), estados externos ($\eta$) y una manta de Markov ($b$) compuesta por estados sensoriales y activos. Esta partición establece la independencia condicional entre los estados internos y externos dado el conjunto de la manta.
2. Modelización Generativa: Se define una distribución de probabilidad conjunta $p(\eta, b, \mu)$ como un modelo generativo. Este modelo codifica las dependencias estadísticas del sistema.
3. Inferencia Variacional como Dinámica: Los autores demuestran que si un sistema posee una densidad de estado estacionario fuera del equilibrio (NESS), su dinámica puede expresarse como un flujo de gradiente sobre la energía libre variacional ($F$).
   • Utilizan la descomposición de las ecuaciones diferenciales estocásticas (SDE) en un componente solenoidal (antisimétrico) y un componente disipativo (semidefinido positivo).
   • Bajo la suposición de que el sistema minimiza la sorpresa (logaritmo negativo de la probabilidad) en promedio, y que la divergencia de Kullback-Leibler entre una densidad variacional $q$ y la posterior verdadera se anula, se demuestra que la dinámica de los estados internos sigue un flujo de gradiente sobre $F$.
   • Crucialmente, $F$ actúa como una función de Lyapunov para la dinámica del sistema, garantizando la estabilidad y proporcionando un límite superior tratable para la sorpresa.
4. Distinción de Modelos: El marco distingue rigurosamente entre:
   • El Modelo Generativo: El modelo científico construido por el observador (el "mapa").
   • La Densidad Variacional: La distribución de probabilidad sobre los estados externos parametrizada por los estados internos del sistema.
   • El Sistema Físico: El objeto real (el "territorio").

Contribuciones Clave y Resultados

• Tractabilidad Formal: El artículo establece que siempre que un sistema admita una manta de Markov y una descomposición de su dinámica en flujos solenoidales y disipativos (según la Ec. 2.1.1), su comportamiento puede recastarse matemáticamente como la minimización de la energía libre variacional. Esto permite que la compleja dinámica de acoplamiento no lineal sea descrita mediante la matemática más tratable de la inferencia estadística y los flujos de gradiente.
• Ilustraciones Empíricas (Modelos de Juguete): Los autores presentan dos simulaciones para demostrar la aplicación constructiva del FEP:
  1. Morfogénesis Celular: Una simulación de ocho células no diferenciadas que migran y se diferencian para formar una morfología objetivo (cabeza, cuerpo, cola). Al dotar a las células de un modelo generativo que predice ubicaciones objetivo y perfiles de señal, el sistema se autoorganiza. Los estados activos de las células (posición y señalización) minimizan la energía libre, "infiriendo" efectivamente su identidad única y posición dentro del conjunto.
  2. Células de Disparo Periódico: Un anillo de células excitables acopladas por uniones comunicantes (gap junctions) con un modelo generativo que codifica una forma de onda objetivo periódica. Los estados internos infieren la fase del ciclo, mientras que los estados activos (apertura de canales iónicos) minimizan los errores de predicción. El sistema converge a un ciclo límite (una órbita circular estable) en lugar de a un punto fijo, demostiendo que la dinámica del FEP puede describir la autoorganización oscilatoria.
• Resolución de la Falacia Mapa-Territorio: El artículo argumenta que el FEP no comete la falacia del mapa-territorio. La afirmación de que un sistema "realiza inferencia" es una descripción "como si" proporcionada por el modelo generativo del observador. El sistema mismo no necesita calcular gradientes literalmente ni realizar actualizaciones bayesianas; más bien, su dinámica física es matemáticamente equivalente a tal proceso. La "inferencia" es una propiedad del modelo, no necesariamente un mecanismo literal dentro del sistema.

Significancia y Reivindicaciones
Los autores posicionan este trabajo como un retorno a los principios fundacionales del FEP, enfatizando su papel como un marco constructivo en lugar de una ley empírica universal.

• Alcance Modesto: El artículo establece explícitamente que los ejemplos proporcionados son "ejemplos trabajados" para un uso constructivo del FEP, no validaciones empíricas independientes de su universalidad. Los ejemplos fueron diseñados para poseer la descomposición necesaria (manta de Markov, campos $Q$ y $\Gamma$ específicos) para ilustrar cómo funciona el formalismo cuando se cumplen las condiciones requeridas.
• Un "Mapa de Mapas": La afirmación filosófica central es que el FEP proporciona un "mapa de aquella parte del territorio que se comporta como si fuera un mapa". Ofrece un conjunto de restricciones explicativas últimas sobre lo que constituye un modelo de un proceso físico. Al tratar el modelo generativo como una herramienta científica para describir cómo los subsistemas se rastrean entre sí, el FEP permite la construcción de modelos anidados que respetan las relaciones conocidas sin reificar los aspectos inferenciales del modelo como rasgos literales del objeto físico.
• Alineación Filosófica: El marco se alinea con los sentimientos de Wittgenstein y Jaynes, sugiriendo que la mecánica estadística y la modelización son procesos de dar sentido a los flujos sensoriales y microestados dadas las restricciones macroscópicas. El FEP se presenta como un enfoque principista para formalizar la relación entre un sistema físico y los modelos utilizados para describirlo, aclarando que la "inferencia" reside en la descripción matemática (el mapa) utilizada para explicar la estabilidad y la autoorganización del sistema físico (el territorio).

En resumen, el artículo sostiene que el uso de modelos generativos para representar las relaciones entre subsistemas conduce a una teoría estadística donde la dinámica de los sistemas interactuantes puede leerse como inferencia variacional. Esto proporciona una herramienta poderosa y tratable para modelar fenómenos fuera del equilibrio, siempre que se mantenga una distinción clara entre el modelo científico (el modelo generativo) y el sistema físico que describe.