Módulo 4: Regresión simbólica aplicada a modelos fı́sicos
Serie de aprendizaje en Google Colab
Contexto
En el modelado de fenómenos fı́sicos, a menudo se busca identificar relaciones funcionales explı́citas
entre parámetros mediante experimentación o simulación numérica. La regresión simbólica es una
técnica de inteligencia artificial que permite descubrir expresiones matemáticas directamente desde
los datos, sin necesidad de suponer a priori la forma funcional.
Objetivo
Aplicar un método de regresión simbólica a datos fı́sicos simulados, buscando obtener una fórmula
interpretable de la forma:
Y ≈ f (X1 , X2 , . . . , Xn )
donde f es una combinación de operaciones algebraicas, funciones elementales y constantes numéricas.
Fundamento técnico
La regresión simbólica explora el espacio de funciones matemáticas mediante técnicas como:
• Algoritmos evolutivos (genéticos): generan y seleccionan expresiones por rendimiento.
• Expansión guiada por derivadas: para acelerar la convergencia.
• Evaluación simbólica y validación cruzada.
Implementación en Python
Instalación de la librerı́a PySR
Para ejecutar el modelo simbólico utilizaremos PySR, que implementa regresión simbólica con búsqueda
evolutiva y diferenciación automática. Esta librerı́a depende internamente del lenguaje Julia, por lo
cual su instalación requiere pasos adicionales, especialmente en entornos como Google Colab. Para
ello se recomienda el siguiente bloque de instalación:
# Solo es necesario ejecutarlo una vez por entorno :
! pip install pysr -- quiet
import os
os . environ [ " PYTHONBREAKPOINT " ] = " 0 "
from pysr import pysr_install
pysr_install ()
1
Generación de datos sintéticos
Creamos un conjunto de datos que simulan una ley adimensional compleja que relaciona cuatro
variables fı́sicas: Re, F r, W e, L/H. Se incluye ruido multiplicativo para representar incertidumbre
numérica:
import numpy as np
import pandas as pd
np . random . seed (0)
n = 500
Re = np . random . uniform (100 , 10000 , n )
Fr = np . random . uniform (0.1 , 5 , n )
We = np . random . uniform (1 , 100 , n )
LH = np . random . uniform (0.1 , 10 , n )
# R e l a c i n f s i c a tipo ley de potencias con ruido
Y = 2.5 * ( Re **0.5) * ( Fr **0.3) / ( We **0.2 * LH **0.1)
Y *= np . exp (0.05 * np . random . randn ( n ) ) # ruido log - normal
X = pd . DataFrame ({ " Re " : Re , " Fr " : Fr , " We " : We , " LH " : LH })
Entrenamiento del modelo de regresión simbólica
Configuramos el modelo especificando operadores básicos y funciones matemáticas. El modelo
buscará expresiones matemáticas que minimicen el error cuadrático entre predicción y verdad:
from pysr import PySRRegressor
model = PySRRegressor (
niterations =100 ,
binary_operators =[ " + " , " -" , " * " , " / " ] ,
unary_operators =[ " sqrt " , " log " , " exp " ] ,
loss = " loss (x , y ) = ( x - y ) ^2 " ,
model_selection = " best " ,
verbosity =1
)
model . fit (X , Y )
Extracción e interpretación del modelo resultante
El modelo guarda un conjunto de expresiones candidatas, cada una con una puntuación. Se selec-
ciona la mejor según precisión vs. complejidad:
print ( model ) # Muestra todos los modelos descubiertos
print ( model . get_best () ) # Devuelve la mejor f r m u l a encontrada
Interpretación del modelo
• La expresión obtenida es explı́cita y diferenciable.
• Permite extrapolar si las variables están bien condicionadas.
• Puede aproximar relaciones como leyes de potencias, logaritmos, combinaciones no lineales.
2
Ventajas
• Salida interpretable (white-box).
• Ideal para extracción de leyes adimensionales.
• Compatible con validación fı́sica posterior.
3
Apéndice D: Detalles algorı́tmicos
D.1 Búsqueda evolutiva
El espacio de funciones se recorre mediante selección natural:
1. Se generan expresiones iniciales aleatorias.
2. Se evalúa su desempeño sobre el conjunto de datos.
3. Se cruzan, mutan y seleccionan por complejidad y error.
4. Se itera hasta converger.
D.2 Selección de expresiones
PySR evalúa un conjunto de modelos y selecciona el mejor trade-off entre error y complejidad de
la expresión.
D.3 Referencias
Cranmer, M., et al. (2020). ”Discovering Symbolic Models using Mixed-Integer Nonlinear Pro-
gramming”.
GitHub: [Link]