🤖 machine learning

Latent Lie-Poisson Neural Networks (LLPNNs): Discovering the motion of Lie-Poisson systems through observable data and latent dynamics

Este artículo introduce las Redes Neuronales de Lie-Poisson Latentes (LLPNNs), un marco de preservación de estructura que aprende la dinámica de Lie-Poisson directamente a partir de datos observables mediante el aprovechamiento de ingredientes geométricos como decodificadores hamiltonianos, invariantes de Noether y actualizaciones de grupos de Lie para lograr predicciones precisas a largo plazo incluso para sistemas degenerados donde las variables latentes son inobservables.

Autores originales: Vakhtang Putkaradze

Publicado 2026-08-03

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Vakhtang Putkaradze

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enseñar a una computadora a predecir cómo se moverá un trompo girando, un robot nadador o una flota de drones. Tienes un video de ellos moviéndose, que muestra sus posiciones y velocidades, pero no tienes una ventana directa a los "engranajes invisibles" dentro de ellos —las fuerzas y momentos ocultos que realmente impulsan el movimiento. Este es el desafío del aprendizaje automático informado por la física: enseñar a la IA a comprender las leyes de la naturaleza simplemente observando cómo suceden las cosas.

Normalmente, cuando intentamos predecir el movimiento, observamos lo visible (dónde está y qué tan rápido se mueve) y adivinamos el siguiente paso. Pero para muchos sistemas complejos, como un cuerpo rígido girando en el espacio o un vehículo navegando en un fluido, la velocidad visible no es suficiente para contar toda la historia. El verdadero "motor" del sistema vive en un espacio matemático oculto llamado momento. Piensa en el momento como la tensión invisible en una banda de caucho; no puedes ver la tensión misma, solo el movimiento que provoca. Si intentas predecir el futuro mirando solo el movimiento, podrías perderte la tensión oculta, y tu predicción eventualmente derivará hacia el sinsentido.

Además, algunos de estos sistemas son "degenerados", lo que significa que las reglas están un poco rotas o incompletas. En estos casos, la velocidad visible ni siquiera tiene su propio conjunto de reglas que seguir; depende enteramente de esa tensión oculta. Intentar predecir el futuro sin conocer la tensión oculta es como intentar adivinar el siguiente movimiento en una partida de ajedrez cuando solo puedes ver las piezas en el tablero, pero no las reglas de cómo se mueven. Este artículo aborda exactamente ese problema: cómo enseñar a una computadora a aprender las reglas ocultas y las fuerzas invisibles simplemente observando la danza visible.

El anillo de decodificación secreto para el movimiento oculto

El autor de este artículo, Vakhtang Putkaradze, ha inventado un nuevo tipo de IA llamada Redes Neuronales de Lie-Poisson Latentes (LLPNNs). Piensa en esto como un "anillo de decodificación secreto" que permite a una computadora descifrar las fuerzas invisibles y ocultas que impulsan un sistema, incluso cuando solo puede ver los resultados visibles.

La mayoría de los modelos de IA que intentan predecir el movimiento actúan como un estudiante que solo memoriza la clave de respuestas. Miran dónde está un objeto ahora y dónde estaba hace un segundo, y luego adivinan dónde estará después. Esto funciona bien para cosas simples, pero para sistemas complejos como satélites giratorios o vehículos submarinos, estos modelos eventualmente se confunden. Olvidan las "leyes de conservación" —las reglas fundamentales que la naturaleza nunca rompe, como el hecho de que un trompo debe mantener su giro total a menos que algo lo empuje. Debido a que olvidan estas reglas, sus predicciones se alejan lentamente de la realidad, como un mapa que se equivoca un poco cada día hasta que terminas en el océano en lugar de la ciudad.

El problema se vuelve aún más complicado cuando el sistema es "degenerado". En estos casos, la velocidad visible (como qué tan rápido conduce un coche hacia adelante) es constante o fija, pero el momento oculto (la fuerza invisible que lo hace girar) está cambiando salvajemente. Es como observar un coche conduciendo a una velocidad constante de 60 mph en una carretera recta. Para un observador normal, el coche parece aburrido e invariable. Pero si ese coche está en realidad sobre un carrusel gigante e invisible, el momento oculto está girando salvajemente aunque la velocidad parezca la misma. Los modelos de IA estándar se quedan estancados aquí porque no pueden ver el carrusel; solo ven la velocidad constante. Intentan inventar una regla para la velocidad, pero tal regla no existe porque la velocidad es solo una sombra del giro oculto.

Cómo la nueva IA resuelve el rompecabezas

Las LLPNN resuelven esto dándose cuenta de que, aunque no podemos ver el momento oculto, podemos deducirlo usando un "truco de magia" de la física llamado Teorema de Noether. Este teorema dice que si un sistema tiene cierta simetría (como ser el mismo sin importar cómo lo rotes), hay una cantidad oculta que nunca cambia.

El método del autor funciona así:

La Constante Oculta: La IA asume que existe un vector de "momento espacial" oculto e invariable (llamémoslo $p_0$ ) que permanece igual para siempre, incluso mientras el objeto gira y se mueve.
La Reconstrucción: Utilizando la trayectoria visible del objeto (su posición y orientación), la IA utiliza un puente matemático llamado acción coadjunta para reconstruir cuál debe ser el momento oculto en cada momento para mantener verdadera esa $p_0$ constante. Es como ver una sombra moverse a través de una pared y darse cuenta de: "Ah, el objeto que proyecta la sombra debe estar girando de esta manera para mantener la fuente de luz estable".
Aprendiendo las Reglas: Una vez que la IA ha reconstruido el momento oculto, aprende las reglas reales (el Hamiltoniano) que gobiernan cómo cambia ese momento. Lo hace utilizando dos enfoques diferentes:
- El Enfoque del Decodificador: Aprende una función que traduce el momento oculto en velocidad visible.
- El Enfoque del Codificador: Aprende una función que traduce la velocidad visible de vuelta al momento oculto (pero solo para las partes del sistema que tienen permitido cambiar).

Lo que encontraron

El autor probó esta nueva IA en tres escenarios muy diferentes y desafiantes:

Un Cuerpo Rígido Giratorio: Una versión generalizada de un trompo en una esfera 3D (SO(3)).
Un Vehículo Submarino: Un robot complejo que se mueve a través del agua, lidiando tanto con la rotación como con la traslación (SE(3)).
Un Enjambre de Drones: Múltiples vehículos autónomos en un plano 2D, donde algunas de las reglas de movimiento son "degeneradas" (la velocidad hacia adelante es fija, pero el giro es controlado por fuerzas ocultas).

En los tres casos, las LLPNN fueron capaces de aprender la dinámica oculta y predecir el futuro con una excelente precisión a largo plazo.

La "Magia" de la Conservación: El resultado más impresionante es que la IA preservó los "invariantes de Casimir" (las cantidades conservadas ocultas) con precisión de máquina. Esto significa que la IA no solo adivinó los números correctos; garantizó matemáticamente que las reglas ocultas del universo nunca se rompieran.
Venciendo a la Competencia: Al compararse con otros métodos de IA populares como Neural ODEs y DeepONets (que solo miran datos visibles), las LLPNN se mantuvieron en el camino durante mucho tiempo. Los otros métodos funcionaron bien para sistemas simples, pero fallaron estrepitosamente cuando el sistema era "degenerado" (como el enjambre de drones). En esos casos, los otros modelos de IA divergieron rápidamente, prediciendo trayectorias imposibles porque no podían ver las fuerzas ocultas.
Robustez: El método funcionó bien incluso cuando los datos tenían ruido (simulando errores de sensores del mundo real).

Los Límites y el Futuro

El artículo señala cuidadosamente que este método no es una varita mágica para todo. Depende de conocer el grupo de simetría del sistema de antemano. Tienes que decirle a la IA: "Esto es un trompo" o "Esto es un dron en un plano plano". Si el sistema rompe su propia simetría (como un dron intentando encontrar un objetivo que rompe las reglas de rotación), el método podría tener dificultades. Además, el método está diseñado específicamente para sistemas que siguen la dinámica de Lie-Poisson; no puede aplicarse directamente a cualquier sistema físico aleatorio sin esa estructura geométrica específica.

Sin embargo, para los sistemas que sí cubre, los resultados son un paso significativo hacia adelante. El autor demuestra que, al incrustar la estructura geométrica profunda de la física directamente en la red neuronal, podemos construir una IA que no solo memoriza datos, sino que realmente comprende los engranajes invisibles del universo. Lo demostraron con simulaciones de cuerpos rígidos, vehículos submarinos y enjambres de drones, probando que incluso cuando los datos visibles son incompletos o las reglas son degeneradas, la verdad oculta puede recuperarse y predecirse con alta precisión.

En resumen, este artículo nos ofrece una nueva forma de enseñar a las computadoras a ver lo invisible, asegurando que sus predicciones del futuro respeten las leyes inquebrantables de la física.

Resumen Técnico: Redes Neuronales de Lie-Poisson Latentes (LLPNNs)

1. Planteamiento del Problema

El artículo aborda un desafío fundamental en el modelado basado en datos de sistemas hamiltonianos: aprender la dinámica de sistemas de Lie-Poisson cuando solo se dispone de datos observables (configuraciones $g(t)$ y velocidades $\xi(t)$ ), mientras que la dinámica gobernante evoluciona en variables de momento latentes ( $\mu$ ) que no son observables.

Este problema es particularmente agudo en dos contextos:

Reducción de Simetría: Muchos sistemas mecánicos (cuerpos rígidos, fluidos, vehículos submarinos) admiten una reducción de simetría a sistemas de Lie-Poisson donde el espacio de estados es el dual de una álgebra de Lie ( $\mathfrak{g}^*$ ), pero los datos se recolectan en el espacio de configuración/velocidad ( $G$ y $\mathfrak{g}$ ).
Hamiltonianos Degenerados en Control Óptimo: En problemas de control óptimo (por ejemplo, vehículos interactuantes), el Hamiltoniano reducido suele ser degenerado (lineal en ciertos componentes del momento). Esta degeneración impide la existencia de una formulación Lagrangiana correspondiente en las variables observables. En consecuencia, las variables observables no forman un sistema autónomo cerrado; la evolución de las velocidades observables no puede expresarse como $\dot{\xi} = f(\xi)$ porque diferentes estados de momento latente pueden dar lugar a velocidades idénticas pero con distintas derivadas temporales.

Los métodos existentes de preservación de estructura (por ejemplo, Redes Neuronales Hamiltonianas, RNNes Simplécticas) suelen asumir el acceso a todo el espacio de fase o una transformación de Legendre no degenerada, lo que los hace inaplicables o inexactos para estos casos específicos.

2. Metodología: Redes Neuronales de Lie-Poisson Latentes (LLPNNs)

El autor propone las LLPNNs, un marco capaz de aprender la dinámica de Lie-Poisson directamente a partir de datos observables mientras reconstruye las trayectorias de momento ocultas. El método se basa en tres ingredientes geométricos:

A. Fundamentos Geométricos

Teorema de Noether y Reconstrucción Coadyunta: Para sistemas con simetría de grupo de Lie $G$ , el momento espacial $p_0 \in \mathfrak{g}^*$ se conserva. El momento corporal latente $\mu(t)$ está relacionado con el momento espacial constante mediante la acción coadyunta: $\mu(t) = \text{Ad}^*_{g(t)} p_0$ . Esto proporciona un puente exacto entre la configuración observable $g(t)$ y el momento latente $\mu(t)$ .
Manejo de la Degeneración: El marco distingue explícitamente entre variables activas (donde el Hamiltoniano es no lineal e invertible) y variables pasivas (donde las velocidades son constantes o cero). No requiere una transformación de Legendre global, lo que le permite funcionar incluso cuando no existe una formulación Lagrangiana.

B. Dos Enfoques de Aprendizaje

El artículo presenta dos arquitecturas distintas para aprender el sistema:

Enfoque Hamiltoniano (Decodificador):
- Objetivo: Aprender la función Hamiltoniana $h(\mu)$ directamente.
- Mecanismo: La red parametriza $h(\mu)$ como una suma de términos lineales para variables pasivas y un residuo de red neuronal para variables activas.
- Entrenamiento: Para cada trayectoria, se optimiza un vector de momento espacial constante $p_0$ junto con los pesos de la red. La pérdida minimiza la diferencia entre las velocidades observadas y el gradiente del Hamiltoniano aprendido proyectado sobre los componentes activos: $\xi_{pred} = \nabla_\mu h(\text{Ad}^*_g p_0)$ .
- Reconstrucción: Utiliza una expansión de Magnus combinada con el $h(\mu)$ aprendido y el $p_0$ constante para actualizar los elementos del grupo y los momentos paso a paso.
Enfoque Lagrangiano (Codificador / Pseudo-Lagrangiano):
- Objetivo: Aprender un "pseudo-Lagrangiano" $\ell(\xi_{act})$ que mapea velocidades activas a momentos activos.
- Mecanismo: Asume que el mapa entre velocidades activas y momentos activos es localmente invertible. La red aprende $\ell(\xi_{act})$ de tal manera que $\mu_{act} = \nabla_{\xi_{act}} \ell(\xi_{act})$ .
- Entrenamiento: El momento espacial $p_0$ aparece linealmente en la función de pérdida (fuera de la evaluación de la red), lo que permite resolverlo mediante mínimos cuadrados lineales para un estado de red dado. La pérdida minimiza la discrepancia entre los momentos activos predichos y la proyección coadyunta de $p_0$ .
- Reconstrucción: Resuelve una ecuación implícita (mediante búsqueda de raíces) para encontrar el siguiente paso de velocidad que satisfaga la regla de actualización de momento derivada del pseudo-Lagrangiano.

C. Estrategia de Entrenamiento

Arranque en Caliente (Warm Start): Para evitar mínimos locales, el autor inicializa las redes con una aproximación cuadrática (Hamiltoniano/Lagrangiano cuadrático) y resuelve para las matrices métricas y $p_0$ utilizando un sistema lineal con restricciones (condiciones KKT) antes de liberar los pesos de la red neuronal para el entrenamiento completo.
Preservación de la Estructura: El algoritmo de reconstrucción utiliza actualizaciones de grupo de Lie (expansión de Magnus) y acciones coadyuntas, asegurando que los invariantes de Casimir se preserven con precisión de máquina, independientemente de la calidad del aprendizaje.

3. Contribuciones Clave

Aprendizaje Solo desde Observables: El primer marco capaz de aprender la dinámica de Lie-Poisson directamente desde datos de configuración y velocidad observables sin requerir mediciones de momento latente.
Manejo de Hamiltonianos Degenerados: El método funciona tanto para sistemas hamiltonianos regulares como degenerados. Aborda con éxito problemas de control óptimo donde las variables observables no admiten una evolución autónoma cerrada, un escenario donde las Neural ODEs y DeepONets fallan.
Conservación con Precisión de Máquina: La arquitectura garantiza la conservación exacta de los invariantes de Casimir (con precisión de máquina) por construcción, independientemente de los datos de entrenamiento o de la calidad de la optimización.
Dualidad de Formulaciones: Proporciona tanto enfoques Hamiltonianos (decodificadores) como Lagrangianos (codificadores), ofreciendo flexibilidad dependiendo de si el mapa de velocidad-momento activo es invertible.

4. Resultados Experimentales

El método fue validado en tres sistemas de referencia utilizando Hamiltonianos no cuadráticos:

Cuerpo Rígido Generalizado (SO(3)):
- Demostró un seguimiento de trayectoria a largo plazo casi perfecto tanto para las velocidades observables como para los momentos latentes.
- Preservó los invariantes de Casimir ( $\|\mu\|^2$ ) y la energía con precisión de máquina.
- Superó a las líneas base no preservadoras de estructura (Neural ODE, DeepONet), que divergían rápidamente.
Vehículo Submarino de Kirchhoff (SE(3)):
- Probado en un sistema con modos rotacionales y traslacionales acoplados.
- Tanto las LLPNNs Hamiltonianas como las Lagrangianas mantuvieron la precisión de fase y conservaron los dos invariantes de Casimir ( $\|P\|^2$ y $J \cdot P$ ).
- Mostró una mayor robustez al ruido en comparación con las líneas base.
Control Óptimo Multi-Vehículo (SE(2) $^N$ ):
- Prueba Crucial: Un sistema con un Hamiltoniano degenerado (lineal en los momentos traslacionales, no lineal solo en el momento angular).
- Resultado: Las Neural ODEs y DeepONets estándar fallaron inmediatamente porque no existe un campo vectorial autónomo para las velocidades observables. Las LLPNNs reconstruyeron con éxito la dinámica latente y predijeron trayectorias a largo plazo.
- El enfoque Lagrangiano mostró un mejor alineamiento de fase para las velocidades angulares en este caso degenerado específico, mientras que el enfoque Hamiltoniano logró el menor crecimiento de error global.
- Los invariantes de Casimir para vehículos individuales se preservaron con precisión de máquina.

5. Significado y Reivindicaciones

El artículo sostiene que las LLPNNs representan un avance significativo en el aprendizaje profundo geométrico al cerrar la brecha entre los datos observables y las estructuras geométricas latentes.

Significado: El marco resuelve el problema del "estado oculto" en sistemas con reducción de simetría. Demuestra que incluso cuando las variables observables no forman un sistema cerrado (debido a la degeneración), la estructura subyacente de Lie-Poisson permite la reconstrucción exacta de la dinámica completa utilizando únicamente los datos observables y el grupo de simetría conocido.
Robustez: El método es robusto al ruido y requiere conjuntos de datos modestos y arquitecturas de redes neuronales ligeras.
Limitaciones: El autor señala que el método asume que el grupo de simetría $G$ es conocido de antemano. Actualmente no maneja funciones de costo de ruptura de simetría (donde la reducción es incompleta) ni variedades de Poisson generales que carezcan de la fórmula específica de reconstrucción coadyunta.

En resumen, el artículo establece que al embeber las restricciones geométricas de los sistemas de Lie-Poisson (específicamente los invariantes de Noether y las acciones coadyuntas) directamente en la arquitectura de aprendizaje, se puede lograr la predicción precisa y a largo plazo de sistemas dinámicos complejos que de otro modo serían intratables para los métodos estándar basados en datos.