🤖 machine learning

Learning Deterministic and Stochastic Forced Hamiltonian Systems

Este artículo introduce un marco geométrico y una nueva clase de redes neuronales que preservan la estructura, denominadas Redes Neuronales Hamiltonianas Forzadas Generalizadas (GFHNNs, por sus siglas en inglés), para el aprendizaje de sistemas hamiltonianos forzados tanto deterministas como estocásticos, demostrando una estabilidad a largo plazo, precisión y eficiencia de datos superiores en comparación con las alternativas no geométricas.

Autores originales: Benedikt Brantner, Tomasz Tyranowski

Publicado 2026-08-21

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Benedikt Brantner, Tomasz Tyranowski

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

En el mundo físico, muchos sistemas siguen un ritmo oculto, un conjunto de reglas que gobiernan cómo la energía se mueve y cambia. Piense en un péndulo oscilante o en un planeta orbitando una estrella; estos son ejemplos de lo que los científicos llaman sistemas hamiltonianos. Durante siglos, los matemáticos han sabido que estos sistemas poseen una estructura geométrica especial, una especie de arquitectura interna que los mantiene estables durante largos períodos. Sin embargo, el mundo real rara vez es perfecto. La fricción ralentiza las cosas, y empujes o tracciones externas intervienen constantemente. Cuando estas fuerzas externas actúan sobre un sistema, las elegantes reglas del mundo ideal se rompen y el sistema intercambia energía con su entorno. Predecir cómo se comportará un sistema así a lo largo del tiempo es difícil porque las herramientas matemáticas estándar suelen alejarse de la verdad, perdiendo precisión a medida que la simulación avanza.

Durante décadas, los científicos han intentado utilizar la inteligencia artificial para resolver estos problemas. Han enseñado a programas informáticos a aprender las ecuaciones que describen el movimiento, con la esperanza de que las máquinas pudieran predecir el estado futuro de un sistema. Si bien estos métodos funcionan bien para breves ráfagas de tiempo, a menudo fallan a largo plazo. La computadora aprende los pasos inmediatos, pero olvida la geometría subyacente que mantiene la estabilidad del sistema. Como resultado, la trayectoria predicha puede parecer correcta por un momento, pero tras horas o días, se desvía salvajemente de su curso, violando las leyes básicas de la física que el sistema debería obedecer. Este es un obstáculo significativo para campos como la robótica, donde un brazo robótico debe moverse con precisión durante años, o la física de plasmas, donde los científicos modelan el comportamiento de gases supercalientes en reactores de fusión.

Un equipo de investigadores de Alemania y los Países Bajos ha desarrollado una nueva forma de enseñar a las computadoras estos sistemas complejos, una que respeta la geometría oculta desde el principio. En lugar de pedirle a una red neuronal que adivine las reglas del movimiento, construyeron la red a partir de las reglas mismas. Crearon un nuevo tipo de arquitectura de inteligencia artificial llamada Redes Neuronales Hamiltonianas Generalizadas con Fuerza. Estas redes no son solo cajas negras que aprenden por ensayo y error; están construidas uniendo pequeños pasos matemáticos probados que se sabe que preservan la estructura del sistema. Los investigadores demostraron matemáticamente que este enfoque puede aproximar el comportamiento de cualquier sistema con extrema precisión, siempre que la red sea lo suficientemente grande.

El equipo probó su nuevo método contra redes neuronales tradicionales y no geométricas utilizando varios ejemplos desafiantes. Comenzaron con un oscilador armónico amortiguado simple, un sistema que imita un resorte con fricción. En estas pruebas, las nuevas redes geométricas aprendieron el movimiento con muchos menos puntos de datos que las redes tradicionales. Más importante aún, cuando los investigadores pidieron a las redes que predijeran el comportamiento del sistema mucho más allá en el futuro, las redes tradicionales fallaron. Sus predicciones se salieron de control, perdiendo el equilibrio energético correcto. Las nuevas redes geométricas, sin embargo, se mantuvieron en el camino, manteniendo las propiedades físicas correctas incluso después de simular miles de pasos de tiempo. La diferencia fue notable: las redes tradicionales necesitaban cantidades masivas de datos de entrenamiento para acercarse a la precisión que las nuevas redes lograron con una fracción de la información.

Los investigadores no se detuvieron en sistemas simples y predecibles. Extendieron su método para manejar sistemas que cambian con el tiempo y sistemas influenciados por el ruido aleatorio, como los temblores impredecibles que se encuentran en la dinámica molecular. Al tratar las fluctuaciones aleatorias como un conjunto de parámetros que la red podía aprender, demostraron que su marco geométrico funciona igual de bien para estos escenarios caóticos. En una prueba que involucró un oscilador estocástico, donde el sistema es sacudido por fuerzas aleatorias, la nueva red superó nuevamente al enfoque estándar. Capturó el comportamiento sutil y a largo plazo del sistema con mucha más precisión, mientras que la red tradicional luchaba por mantenerse al día, produciendo errores que crecían rápidamente con el tiempo.

El núcleo de este éxito reside en cómo se construyen las redes. Los investigadores utilizaron un principio de la física conocido como el principio de Lagrange-d'Alembert, que describe cómo se mueven los sistemas cuando se aplican fuerzas externas. Tradujeron este principio en un tipo específico de mapa matemático, un procedimiento paso a paso que mueve un sistema de un momento al siguiente sin romper su estructura interna. Al encadenar estos mapas, crearon una red neuronal que es inherentemente estable. A diferencia de otros métodos que intentan aprender todo el flujo de un sistema a la vez, este enfoque construye el flujo a partir de pequeños ladrillos fiables. Esto asegura que la computadora nunca pierda de vista las reglas fundamentales, incluso mientras aprende los detalles específicos de un nuevo problema.

Las implicaciones de este trabajo son significativas para cualquiera que dependa de simulaciones a largo plazo. En ingeniería y ciencia, ser capaz de predecir cómo se comportará un sistema durante meses o años suele ser más importante que conocer su estado para los próximos segundos. El nuevo método ofrece una forma de lograr esta estabilidad a largo plazo sin necesidad de recolectar cantidades vastas de datos, que pueden ser costosos o imposibles de obtener en algunos experimentos. Los investigadores demostraron que, al respetar la geometría del problema, la red neuronal se convierte en un aprendiz más eficiente y fiable. No solo memoriza los datos; entiende la forma del movimiento.

Esta investigación abre la puerta a modelos más robustos para sistemas físicos complejos. Los autores sugieren que su marco podría aplicarse a la robótica, donde el control preciso y a largo plazo es esencial, y a la física de plasmas computacional, donde simular el comportamiento de partículas cargadas es computacionalmente costoso. Al proporcionar una forma de aprender estos sistemas con alta precisión y bajos requisitos de datos, la nueva arquitectura podría servir como una herramienta poderosa para científicos e ingenieros. Representa un cambio en cómo pensamos sobre la inteligencia artificial en la ciencia: pasando del puro ajuste de datos hacia la construcción de máquinas que están fundamentadas en las leyes fundamentales del universo. El trabajo demuestra que cuando enseñamos a las computadoras a respetar la geometría de la naturaleza, pueden aprender a predecir el futuro con una claridad que antes estaba fuera de nuestro alcance.

Resumen Técnico: Aprendizaje de Sistemas Hamiltonianos Forzados Deterministas y Estocásticos

Planteamiento del Problema

Los sistemas hamiltonianos forzados, que intercambian energía con su entorno a través de entradas externas y efectos disipativos, son ubicuos en campos como la robótica, la física de plasmas, el control y la dinámica molecular. A diferencia de los sistemas conservativos, estos sistemas no preservan la simplicidad en el sentido tradicional, pero poseen una estructura geométrica subyacente gobernada por el principio de Lagrange-d'Alembert.

Los enfoques de redes neuronales existentes para el aprendizaje de ecuaciones diferenciales suelen caer en dos categorías:

Integradores no geométricos: Arquitecturas estándar (por ejemplo, MLPs, ResNets) que aproximan soluciones pero fallan al preservar las estructuras geométricas, lo que conduce a una estabilidad a largo plazo deficiente y a un comportamiento cualitativo inexacto.
Métodos de preservación de estructura: Arquitecturas como las Redes Neuronales Hamiltonianas (HNNs) o las Redes Neuronales Simplécticas (SympNets) que preservan propiedades geométricas. Sin embargo, muchas de estas están restringidas a sistemas conservativos, aprenden las ecuaciones gobernantes en lugar de los mapas de flujo, o carecen de un marco unificado para manejar el forzamiento externo general y la estocasticidad.

El principal desafío abordado en este trabajo es el diseño de una arquitectura de red neuronal capaz de aprender el flujo de sistemas hamiltonianos forzados paramétricos (tanto deterministas como estocásticos) preservando estrictamente su estructura geométrica subyacente, específicamente la estructura de Lagrange-d'Alembert.

Metodología

Fundamento Teórico

Los autores establecen un marco geomético basado en el principio de Lagrange-d'Alembert y la teoría de los integradores variacionales.

Mapas de Lagrange-d'Alembert: Los autores definen un mapa de Lagrange-d'Alembert como el mapa de evolución de tiempo- $T$ de un sistema hamiltoniano forzado. A diferencia de los mapas simplécticos, estos mapas no son necesariamente simplécticos, pero satisfacen un principio variacional que involucra fuerzas discretas.
Teorema de Convergencia: Se establece un teorema de convergencia $C^r$ para métodos de primer orden de un solo paso (específicamente esquemas de división de Lie-Trotter y Lagrange-d'Alembert-Euler). Este teorema demuestra que las composiciones de estos integradores convergen al flujo real en la topología fuerte $C^r$ , proporcionando la base matemática para aproximar flujos mediante redes neuronales.
Extensiones Paramétricas y Estocásticas: El marco se extiende a sistemas dependientes de parámetros y sistemas hamiltonianos forzados estocásticos. Para los sistemas estocásticos, los autores interpretan las múltiples integrales de Stratonovich que aparecen en la expansión de Taylor-Stratonovich como parámetros. Esto permite que el flujo estocástico sea tratado como un mapa de Lagrange-d'Alembert dependiente de parámetros, siempre que se disponga de información sobre los incrementos del proceso de Wiener subyacente.

Arquitecturas de Redes Neuronales

Basándose en los resultados teóricos, el artículo propone dos arquitecturas específicas:

Redes Neuronales Hamiltonianas Forzadas Generalizadas (GFHNNs):
- Diseñadas para sistemas hamiltonianos forzados autónomos.
- Construidas mediante la concatenación de mapas de Lagrange-d'Alembert-Euler (LDE).
- Cada bloque LDE aproxima un paso del flujo utilizando un Hamiltoniano separable ( $H = T(p) + U(q)$ ) y un término de forzamiento $f$ .
- La energía cinética $T$ , la energía potencial $U$ y la función de forzamiento $f$ son modeladas por perceptrones de múltiples capas (MLPs).
- A diferencia de los métodos que aprenden el campo vectorial, las GFHNN aprenden directamente el mapa de flujo.
Redes Neuronales Hamiltonianas Forzadas Paramétricas Generalizadas (PGFHNNs):
- Una extensión de las GFHNN para manejar sistemas dependientes de parámetros $\mu$ (incluyendo el tiempo $t$ e incrementos estocásticos).
- La arquitectura aumenta la entrada de los MLPs con el parámetro $\mu$ .
- Para sistemas estocásticos, los incrementos del proceso de Wiener (e integrales de Stratonovich de orden superior para esquemas de orden superior) se tratan como el vector de parámetros $\mu$ .

Aproximación Universal

El artículo demuestra Teoremas de Aproximación Universal para ambas GFHNN y PGFHNN. Estos teoremas demuestran que las arquitecturas propuestas son densas en el espacio de los mapas de Lagrange-d'Alembert (y sus versiones paramétricas) con respecto a la topología $C^r$ en conjuntos compactos. Esto garantiza que, con suficiente capacidad, estas redes pueden aproximar el flujo real de cualquier sistema hamiltoniano forzado de manera arbitrariamente precisa.

Resultados Clave

Los autores evaluaron las arquitecturas propuestas frente a Redes Neuronales Residuales (ResNets) no geométricas en varios problemas de referencia:

Oscilador Armónico Linealmente Amortiguado:
- Las GFHNN demostraron una estabilidad y precisión a largo plazo superiores en comparación con las ResNets, particularmente para coeficientes de amortiguación bajos donde las trayectorias evolucionan en escalas de tiempo largas.
- Las GFHNN requirieron significativamente menos datos de entrenamiento para lograr un rendimiento comparable.
Péndulo Cuadráticamente Amortiguado:
- En ausencia de una solución analítica, las GFHNN entrenadas con datos generados por un método de punto medio implícito superaron a las ResNets en la reproducción del comportamiento disipativo y la evolución hamiltoniana.
Oscilador Armónico Dependiente del Tiempo:
- Utilizando PGFHNN para aprender flujos dependientes del tiempo (tratando el tiempo como un parámetro), la arquitectura geométrica mantuvo la precisión durante periodos extendidos donde las ResNets divergieron.
- Para igualar la precisión de la PGFHNN, la ResNet requirió un conjunto de datos de entrenamiento aproximadamente 7.6 veces más grande.
Oscilador de Kubo Forzado (Estocástico):
- El marco PGFHNN se aplicó a un sistema hamiltoniano forzado estocástico tratando los incrementos de Wiener como parámetros.
- La arquitectura geométrica superó consistentemente a la ResNet paramétrica tanto en métricas de trayectoria como de error hamiltoniano a través de múltiples realizaciones de ruido y condiciones iniciales.

Significancia y Reivindicaciones

El artículo afirma que las arquitecturas geométricas propuestas proporcionan una estabilidad y precisión a largo plazo significativamente mejoradas en comparación con las redes neuronales residuales no geométricas. La significancia clave reside en:

Preservación de la Estructura: Al aprender directamente los mapas de Lagrange-d'Alembert mediante la composición de integradores que preservan la estructura, los modelos respetan inherentemente la estructura variacional de los sistemas forzados, evitando la deriva y la inestabilidad comunes en los enfoques no geométricos.
Eficiencia de Datos: El sesgo inductivo geométrico permite a los modelos aprender la dinámica subyacente con sustancialmente menos datos de entrenamiento.
Marco Unificado: El trabajo unifica el aprendizaje de sistemas hamiltonianos forzados deterministas, dependientes del tiempo y estocásticos bajo un único marco geométrico basado en el principio de Lagrange-d'Alembert.
Aprendizaje Directo del Flujo: A diferencia de los métodos que aprenden las ecuaciones gobernantes (que requieren una integración numérica posterior), estas arquitecturas aprenden directamente el mapa de flujo, permitiendo la generación eficiente de trayectorias sin necesidad de solvers iterativos.

Los autores concluyen que, si bien el enfoque requiere el conocimiento del proceso de Wiener subyacente para aplicaciones estocásticas (limitándolo a entornos donde tales datos estén disponibles, por ejemplo, simulaciones de Monte Carlo), ofrece una herramienta poderosa para el modelado de sustitutos (surrogate modeling) en física e ingeniería donde la fidelidad geométrica es crítica. Se sugiere trabajo futuro para aplicaciones en variedades (grupos de Lie) y física de plasmas computacional.