Resumen Técnico: Inferencia Bayesiana Escalable para Leyes de Conservación No Lineales

1. Planteamiento del Problema

Las leyes de conservación no lineales, que gobiernan sistemas dinámicos en campos que van desde la predicción meteorológica hasta el transporte de contaminantes, suelen estar sujetas a una incertidumbre significativa debido a mediciones dispersas y ruidosas o términos fuente desconocidos. En estos entornos, la inferencia de magnitudes físicas se convierte en un problema mal planteado. Los métodos numéricos clásicos luchan por cuantificar la incertidumbre de forma natural, mientras que los enfoques modernos de aprendizaje profundo (por ejemplo, las Redes Neuronales Informadas por la Física, PINNs) suelen actuar como estimadores de punto. Cuando la incertidumbre se cuantifica mediante conjuntos o variantes bayesianas en redes neuronales, esto suele incurrir en costos computacionales prohibitivos y sufre de una mala calibración.

Además, aunque los métodos numéricos probabilísticos recientes han enmarcado la resolución de EDP como inferencia bayesiana bajo prior de Procesos Gaussianos (GP), enfrentan dos limitaciones primarias:

1. Escalabilidad: La inferencia de GP ingenuamente escala cúbicamente con la resolución de la discretización ($O(N^3)$).
2. Conservación: Muchos de los resolvedores probabilísticos existentes dependen de la colocación (discretización puntual), lo que falla al imponer las propiedades de conservación integral (preservación de masa/energía) inherentes al Método de Volúmenes Finitos (FVM), lo que potencialmente conduce a soluciones no físicas.

El artículo aborda el desafío de desarrollar un método escalable, numéricamente conservador y consciente de la incertidumbre tanto para problemas directos como inversos que involucran leyes de conservación no lineales.

2. Metodología

El marco propuesto, GP-FVM, unifica el Método de Volúmenes Finitos con la inferencia bayesiana bajo un prior de Proceso Gaussiano estructurado.

2.1. Formulación de Volúmenes Finitos Probabilística

La idea central es que el FVM puede expresarse como inferencia bayesiana.

• Prior de Proceso Gaussiano: La solución $u$, el flujo $F(u)$ y la fuente $s$ se modelan con priors de GP independientes: $u \sim \mathcal{GP}(\mu, k)$.
• Funcionales Lineales: La discretización FVM implica integrar la ley de conservación sobre volúmenes de control $\Omega_i$. La integración es un funcional lineal. Sin embargo, el término de flujo $\int_{\partial \Omega_i} F(u) \cdot n \, dS$ es no lineal para EDPs no lineales.
• Manejo de la No Linealidad: Los autores proponen un enfoque de dos etapas para el término de flujo:
  1. Modelar el campo de flujo $F(u)$ con su propio prior de GP, inicialmente independiente de $u$.
  2. Imponer la relación determinista $F = F(u)$ mediante condicionamiento no lineal. Esto se logra encontrando la estimación de Máxima Verosimilitud a Posteriori (MAP) del estado conjunto bajo una "verosimilitud virtual" que impone la restricción física $f(u(x), F(u)(x)) = 0$, seguido de una aproximación de Laplace para recuperar un posterior Gaussiano.
• Estado Unificado: El método construye un prior Gaussiano conjunto sobre la solución, el flujo y la fuente. El condicionamiento a las observaciones (datos de sensores, condiciones de contorno y restricciones FVM) produce un posterior que unifica estas fuentes de información.

2.2. Técnicas de Escalabilidad

Para superar el cuello de botella $O(N^3)$ de la inferencia estándar de GP, el artículo emplea tres estrategias clave:

1. Priors Estructurados:

   • Espaciales: Se utiliza un producto tensorial separable de kernels Matérn. Esto permite la evaluación en forma cerrada de las integrales y derivadas requeridas para las restricciones FVM. Se eligen kernels Matérn sobre kernels de exponencial cuadrática para asegurar que se mantenga el "efecto de cribado" (screening effect), lo cual es crucial para las aproximaciones dispersas.
   • Temporales: Se utiliza un Proceso de Wiener Integrado (IWP) de orden $q$. Esto codifica la evolución temporal de forma natural y asegura que la derivada temporal esté integrada en la representación del estado.

2. Aproximación de Cholesky Dispersa (Aproximación Vecchia):

   • La matriz de precisión espacial $Q_s$ se aproxima mediante una matriz dispersa $\tilde{Q}_s$ utilizando una factorización de Cholesky dispersa que minimiza la divergencia de Kullback-Leibler (KL).
   • Ordenamiento de Nodos: Una contribución crítica es el ordenamiento de los funcionales. Los autores proponen un ordenamiento de "grueso" a "fino": Integrales $\to$ Evaluaciones $\to$ Derivadas. Este orden maximiza el efecto de cribado, donde las mediciones de escala gruesa (integrales) filtran eficazmente las correlaciones de escala fina distantes, permitiendo una aproximación dispersa con una pérdida mínima de precisión.

3. Igualación de Momentos Marginales para la Propagación Temporal:

   • En lugar de mantener una distribución conjunta sobre todos los pasos de tiempo (lo que induce un llenado denso), el método utiliza un enfoque de filtrado.
   • En cada paso de tiempo, la distribución conjunta de estados consecutivos se condiciona a las restricciones FVM. Las medias y varianzas marginales del siguiente estado se extraen mediante inversión selectiva.
   • Se construye un nuevo posterior aproximado mediante el ajuste de estos momentos marginales a una distribución con la estructura de precisión del prior disperso. Esto preserva el patrón de dispersión y asegura un escalamiento lineal respecto al número de pasos de tiempo.

3. Contribuciones Clave

1. FVM Probabilístico para EDPs No Lineales: La primera formulación del Método de Volúmenes Finitos como inferencia bayesiana bajo un prior de GP que se extiende a operadores de flujo no lineales mediante condicionamiento iterativo.
2. Inferencia Escalable para Observaciones Integrales: Una extensión de las aproximaciones Vecchia para manejar funcionales integrales (promedios de celda) en lugar de solo evaluaciones puntuales, junto con una novedosa estrategia de ordenamiento funcional (integrales primero) para optimizar la dispersión.
3. Propagación Temporal Eficiente: Un esquema de igualación de momentos marginales que evita el escalamiento cúbico en el tiempo mientras preserva la estructura de dispersión espacial, permitiendo la resolución de problemas dependientes del tiempo.
4. Marco Unificado de Problemas Directos e Inversos: Un único marco que maneja la simulación directa (infiriendo $u$ dado $s, F$) y problemas inversos (infiriendo $s$ o $F$ dado $u$) simplemente cambiando las variables observadas frente a las inferidas.

4. Resultados Experimentales

El método fue evaluado en cuatro pruebas de referencia:

• Identificación de Fuente (Advección-Difusión):

  • Desempeño: El GP-FVM recuperó campos de fuente no paramétricos con incertidumbre cuantificada en segundos, superando a una línea base de PINN que requería minutos (una aceleración de 150x).
  • Precisión: El GP-FVM logró un RMSE de la fuente de 0.44 comparado con el 0.76 de la PINN. La solución de la PINN exhibió artefactos, mientras que la media del posterior del GP-FVM reconstruyó correctamente la forma de la fuente.
  • Incertidumbre: El método proporcionó una cuantificación de la incertidumbre significativa, donde la incertidumbre disminuye cerca de las mediciones y refleja correctamente el efecto de dispersión del flujo.

• Precisión Directa (Burgers Viscoso 2D):

  • El GP-FVM (configuración mínima) logró una precisión dentro de un factor de 2–3 de la FVM clásica de Crank-Nicolson, proporcionando además cuantificación de la incertidumbre.
  • En contraste, un enfoque de GP disperso basado en colocación (sin restricciones FVM) funcionó un orden de magnitud peor, resaltando la importancia de la discretización conservadora.

• Convergencia:

  • El orden de convergencia está dictado por la suavidad del kernel del GP (Matérn-$\nu$). Un $\nu$ más alto produce una convergencia más rápida, análogo a las reconstrucciones polinómicas de mayor orden en el FVM clásico.
  • Las aproximaciones dispersas preservaron las tasas de convergencia para kernels Matérn-3/2 pero mostraron errores que se estancan para kernels más suaves en resoluciones finas debido al debilitamiento de los efectos de cribado.

• Escalabilidad (Ecuaciones de Aguas Someras):

  • El método simuló con éxito la propagación de un tsunami utilizando las ecuaciones no lineales de aguas someras (un sistema de tres leyes de conservación acopladas) en una rejilla de $31 \times 31$.
  • La dimensión del estado conjunto por paso de tiempo fue de aproximadamente 28,500. El esquema de igualación de momentos requirió unos 80 segundos por paso de tiempo, demostrando escalabilidad a sistemas no lineales complejos, aunque más lento que los resolvedores clásicos.

• Complejidad:

  • El escalamiento empírico para el problema de identificación de fuente siguió el límite teórico de $O(N_s^{3/2})$ para rejillas 2D (usando ordenamiento de disección anidada), donde $N_s$ es el número de grados de libertad espaciales.

5. Significación y Reclamaciones

El artículo afirma entregar un método computacionalmente práctico para la inferencia bayesiana escalable en leyes de conservación no lineales, una clase dominante de EDPs en ciencia e ingeniería.

• Cerrando la Brecha: Cierra la brecha entre la precisión y las propiedades de conservación de los métodos numéricos clásicos (FVM) y las capacidades de cuantificación de la incertidumbre de la inferencia bayesiana.
• Eficiencia: Al extender las técnicas de inferencia dispersa a observaciones integrales e introducir un esquema de paso de tiempo por igualación de momentos, el método evita el escalamiento cúbico prohibitivo de los GP, haciendo factibles las simulaciones conscientes de la incertidumbre para problemas de gran escala.
• Problemas Inversos: Demuestra que los problemas inversos no paramétricos (como la identificación de fuentes) pueden resolverse rápidamente (en segundos) con incertidumbre calibrada, superando a las bases de redes neuronales que son más lentas y menos precisas.
• Limitaciones: Los autores reconocen modestamente ciertas limitaciones:
  • El enfoque de igualación de momentos incurre en un llenado (fill-in) en el paso temporal, lo que actualmente restringe la escalabilidad práctica principalmente a problemas 2D.
  • La aproximación de Laplace asume la gaussianidad alrededor de la MAP, lo que puede fallar en problemas dominados por choques donde las derivadas del flujo son ilimitadas.
  • La calibración depende de la elección de los priors (por ejemplo, la longitud de escala y la suavidad del kernel); si bien el método muestra una calibración razonable en benchmarks sintéticos, advierte contra el tratamiento de la incertidumbre del posterior como automáticamente confiable en entornos de alto riesgo sin validación independiente.

En última instancia, este trabajo posiciona a los métodos numéricos probabilísticos como una forma de situar la incertidumbre numérica y la inferencial en un "mismo plano", permitiendo la fusión coherente de datos dispersos con el conocimiento mecanístico.