Una de las ambiciones más profundas de la ciencia computacional es observar un sistema complejo, un fluido turbulento, una reacción química, un ecosistema, y extraer las reglas matemáticas que gobiernan su comportamiento. Esto se llama “descubrimiento de ecuaciones” o “regresión simbólica”, y se ha perseguido durante décadas. El desafío es que los datos del mundo real son ruidosos, multiescala e incompletos. Los métodos clásicos como SINDy (Identificación Dispersa de Dinámicas No Lineales) fallan en presencia de incluso ruido modesto. Los enfoques de redes neuronales, aunque robustos, producen cajas negras: pueden predecir pero no pueden explicar.
Un equipo del Instituto de Automatización de Shenyang, parte de la Academia China de Ciencias, ha desarrollado ahora un marco que combina lo mejor de ambos mundos. Llamado PK-MCL (Physics-Koopman Multi-scale Contrastive Learning — Aprendizaje Contrastivo Multiescala Koopman Físico), puede extraer ecuaciones gobernantes limpias y físicamente interpretables a partir de datos contaminados con hasta un 10 % de ruido, incluyendo regiones espaciales faltantes y brechas temporales. El trabajo fue publicado el 13 de julio en Nature Communications.
“Nuestro marco desplaza el problema del ajuste estático de curvas a la inferencia dinámica restringida”, dijo el autor correspondiente Xiaofeng Zhou. “La ecuación que recupera no solo debe ajustarse a los datos de entrenamiento, sino también producir predicciones estables y físicamente significativas durante horizontes temporales largos.”
Tres módulos
PK-MCL integra tres componentes. El primero es un operador neuronal Koopman multiescala que descompone el campo de entrada en diferentes bandas de frecuencia usando transformadas de Fourier, esencialmente, separando las dinámicas rápidas y lentas, y evoluciona cada banda linealmente en un espacio latente aprendido. Esta descomposición espectral es esencial para sistemas en los que diferentes procesos físicos operan en diferentes escalas de tiempo, como reacciones químicas incrustadas en un fluido en movimiento.
El segundo componente es una proyección dispersa guiada por física que restringe la ecuación de salida para que esté compuesta por un pequeño número de términos físicamente significativos de una biblioteca preespecificada, polinomios, derivadas espaciales y otros bloques interpretables. Esto se incorpora directamente en el proceso de entrenamiento, no se aplica como una corrección a posteriori, por lo que la red neuronal se guía explícitamente hacia la identificación de ecuaciones compactas desde el principio.
El tercer componente es una regularización de consistencia multivista, tomada del aprendizaje auto-supervisado (la arquitectura BYOL), que obliga al modelo a producir representaciones invariantes a través de diferentes perturbaciones de la entrada, enmascaramiento, inyección de ruido, abandono temporal. Esto mejora drásticamente la robustez.
Los tres componentes se entrenan conjuntamente a través de una única función de pérdida que equilibra la precisión de la predicción, la dispersión de la ecuación y la consistencia de la representación.
Puntos de referencia
Los investigadores probaron PK-MCL en una batería de sistemas canónicos: la ecuación de Burgers (un modelo de advección-difusión no lineal), el sistema de reacción-difusión bidimensional de FitzHugh-Nagumo y la ecuación de vorticidad bidimensional de Navier-Stokes. En todos los casos, PK-MCL recuperó las ecuaciones gobernantes correctas con alta fidelidad, incluso bajo un 10 % de ruido de medición, condiciones bajo las cuales el SINDy clásico y sus variantes se descomponen por completo.
El marco también demostró predicciones estables a largo plazo, manteniendo la precisión durante cientos de pasos de tiempo, y se generalizó a condiciones iniciales y regímenes operativos no vistos. En el punto de referencia de Navier-Stokes, preservó las estructuras de vórtices a gran escala y la cascada de energía que las líneas base no lograron capturar.
Más allá de los puntos de referencia sintéticos, el equipo validó PK-MCL en datos de sensores reales de un circuito industrial de molienda y clasificación, un sistema de procesamiento de minerales con ocho variables medidas, ruido de sensor y muestras faltantes. El marco extrajo relaciones físicamente significativas entre variables que coincidían con el comportamiento conocido de la planta.
Qué lo hace interpretable
A diferencia de una red neuronal estándar, PK-MCL genera un conjunto disperso de coeficientes que se asignan directamente a términos matemáticos interpretables: advección, difusión, tasas de reacción. El usuario no solo obtiene una predicción, obtiene una ecuación. Y la descomposición espectral revela qué bandas de frecuencia gobiernan qué fenómenos, proporcionando información física adicional.
Varias advertencias aplican. El método requiere una biblioteca preespecificada de términos candidatos; si la ecuación gobernante verdadera utiliza funciones que no están en la biblioteca, la recuperación fallará. Los puntos de referencia se limitan a sistemas unidimensionales y bidimensionales; los problemas tridimensionales serían computacionalmente exigentes. Y el marco aún no se ha probado en sistemas con discontinuidades o ruido estocástico. El artículo se publica como manuscrito anticipado, antes de la edición final.
Sin embargo, PK-MCL representa un paso significativo hacia el objetivo del descubrimiento científico automatizado: alimentar datos sin procesar a una máquina y obtener a cambio una ecuación concisa y legible para humanos que avanza la comprensión de la física subyacente. Para campos que van desde la ciencia del clima hasta la biología de sistemas y la ingeniería, esa capacidad podría transformar cómo se construyen los modelos.
Traducido por Alessandra
Source: Jia, D., Li, S., Zuo, X. et al. “From data chaos to physically interpretable deterministic mapping.” Nature Communications (2026). DOI: 10.1038/s41467-026-75164-9