Fyskode Learning

Sistemas dinámicos y caos · Últimos semestres e inicio de posgrado · 8 horas

Figuras, datos y revisión reproducible

Cómo construir un argumento visual, conservar la trazabilidad de los datos y someter una conclusión a reconstrucción independiente.

Una figura científica no decora el resultado: hace visible una relación que el texto debe formular con precisión. Una serie temporal responde cómo cambia una variable; un retrato de fase muestra relaciones entre estados; una sección de Poincaré reduce un flujo periódico a retornos; un diagrama de bifurcación compara destinos asintóticos al variar un parámetro. Intercambiar estas figuras sin cambiar la pregunta produce argumentos confusos.

Antes de dibujar, escribe la frase que la figura debe apoyar. “La amplitud decrece aproximadamente de forma exponencial” requiere una escala y un ajuste distintos de “la trayectoria converge al equilibrio siguiendo una espiral”. Los mismos datos pueden sostener ambas lecturas, pero no con el mismo panel.

Elementos de una figura auditable

Una figura completa identifica:

  • variables, unidades o normalización en los ejes;
  • sistema, parámetros y condiciones iniciales relevantes;
  • intervalo mostrado y transitorio descartado;
  • método numérico y resolución cuando afectan la lectura;
  • significado de color, símbolos y líneas;
  • incertidumbre, dispersión o criterios de clasificación;
  • archivo o configuración que permite regenerarla.

Sprott compara flujos simples usando representaciones recurrentes, lo que permite observar diferencias geométricas sin reinventar el lenguaje visual en cada caso Sprott, 2010 Julien Clinton Sprott (2010) Elegant Chaos: Algebraically Simple Chaotic Flows World Scientific Ubicación consultada: cap. 3, pp. 61-94 . Esa consistencia no significa imponer la misma escala numérica: significa mantener reglas comparables y declarar cuándo las magnitudes pertenecen a modelos distintos.

Comparación de trayectorias de Lorenz, Rössler y Sprott con una regla visual común
Una proyección común facilita la comparación geométrica, pero no iguala escalas, parámetros ni mecanismos. El pie debe declarar esas diferencias.

Atlas reproducible de sistemas dinámicos Función: plot_flow_family_comparison

Descargar .py

El objeto no se nombra con un título dentro del gráfico: ejes, unidades, marcas y leyenda bastan para leer los datos. El pie situado bajo la figura identifica el objeto, explica qué se calculó y formula la lectura principal. Evita pies como “resultado de la simulación” o “se observa caos”. Una versión informativa sería: “Sección x=0x=0, cruces con x˙>0\dot x>0, después de 2 000 unidades de transitorio; la nube de retornos no se reduce a un conjunto finito bajo dos refinamientos temporales”. Aun así, la frase describe una observación finita, no una demostración de caos.

Funciones de tablas y figuras

Las tablas conservan valores exactos, parámetros y medidas de error. Las figuras revelan patrones, cambios de régimen y comparaciones. Cuando la conclusión depende de una pendiente, un umbral o una tolerancia, conviene mostrar ambas.

Considera un estudio de convergencia. La gráfica logarítmica permite reconocer una pendiente; la tabla permite verificar los errores y calcular el cociente

pobs=log(Eh/Eh/2)log2.p_{\mathrm{obs}}=\frac{\log(E_h/E_{h/2})}{\log 2}.

La fórmula procede del modelo de error Eh=Chp+o(hp)E_h=Ch^p+o(h^p). En el régimen asintótico,

EhEh/2ChpC(h/2)p=2p,\frac{E_h}{E_{h/2}} \approx\frac{Ch^p}{C(h/2)^p}=2^p,

y tomar logaritmos despeja pp. Por ejemplo, si Eh=1.60×103E_h=1.60\times10^{-3} y Eh/2=4.10×104E_{h/2}=4.10\times10^{-4}, entonces pobs1.96p_{\mathrm{obs}}\approx1.96, valor compatible con segundo orden. Un tercer refinamiento debe producir una razón semejante antes de interpretar la pendiente: dos errores aislados todavía pueden pertenecer al régimen preasintótico.

Si solo se muestra la recta, dos puntos pueden parecer una ley de potencia. Si solo se muestra la tabla, la tendencia cuesta más trabajo de leer. Juntas sostienen un argumento más transparente.

Tél y Gruiz conectan representaciones temporales, geométricas y estadísticas en sistemas físicos Tél, 2006 Tamás Tél y Márton Gruiz (2006) Chaotic Dynamics: An Introduction Based on Classical Mechanics Cambridge University Press Ubicación consultada: caps. 5-9, pp. 113-317 . La elección del panel debe seguir esa misma lógica: cada vista responde una parte de la pregunta y ninguna se presenta como diagnóstico universal.

Trazabilidad entre panel y ejecución

La ruta mínima es:

figura -> datos derivados -> configuración -> código -> datos de entrada

El nombre figura_final.png no conserva esa ruta. Usa identificadores de ejecución y un manifiesto. Por ejemplo:

runs/lorenz_rho28_rtol1e-9/
  config.json
  trajectory.npz
  diagnostics.json
  figures/phase_xy.png
  manifest.json

config.json contiene ecuaciones o nombre del modelo, parámetros, estado inicial, integrador, tolerancias, horizonte, versión del código y semilla cuando exista aleatoriedad. manifest.json registra hashes o tamaños de los archivos que forman la entrega. No es necesario duplicar datos brutos enormes si pueden regenerarse; sí es necesario documentar su origen y el comando exacto.

La trazabilidad también exige separar datos de presentación. El script que simula no debería decidir de forma oculta qué tramo descartar ni qué puntos omitir. Esas decisiones pertenecen a una configuración o a una función de análisis que pueda probarse.

Observación, interpretación y límite

Un párrafo técnico resulta más claro si sigue tres movimientos:

  1. Observación: qué cantidad cambió y bajo qué condiciones.
  2. Interpretación: qué mecanismo es compatible con ese cambio.
  3. Límite: qué alternativa no se descartó o qué región no se estudió.

Ejemplo: “Al pasar de A=1.28A=1.28 a A=1.31A=1.31, la sección cambia de dos puntos a una banda de retornos y el exponente estimado pasa de 0.08-0.08 a 0.040.04. El cambio es compatible con la pérdida de estabilidad del ciclo seguida por dinámica sensible. La malla de amplitud es demasiado gruesa para localizar la transición y el exponente aún varía un 20 % al duplicar el horizonte”.

La interpretación no repite la figura; propone una relación. El límite impide que esa relación se convierta en una afirmación más amplia que la evidencia.

En un informe completo conviene explicitar también la estructura del argumento: la afirmación responde la pregunta; las razones enlazan el mecanismo con esa afirmación; la evidencia aporta datos, cálculos o teoremas; la garantía explica por qué esa evidencia es pertinente; y la objeción formula una explicación alternativa. En el ejemplo anterior, el cambio de la sección y del exponente es la evidencia, la pérdida de estabilidad es el mecanismo propuesto, y la dependencia del horizonte es una objeción todavía abierta. Resolverla exige repetir el estimador y refinar la malla, no reforzar el adjetivo usado en la conclusión.

Lorenz construye explicaciones del caos mediante mecanismos y comparaciones concretas, sin esconder las dificultades conceptuales bajo una lista de definiciones Lorenz, 1993 Edward N. Lorenz (1993) The Essence of Chaos University of Washington Press Ubicación consultada: capítulos sobre inestabilidad, convección y el atractor de Lorenz . Esa escritura es un buen modelo: el lector entiende por qué una imagen importa dentro del argumento.

Revisión por reconstrucción

La revisión más exigente no pregunta si el repositorio “se ve ordenado”. Pide a otra persona reconstruir una figura usando únicamente las instrucciones entregadas. El revisor anota cada bloqueo: dependencia ausente, ruta absoluta, parámetro sin definición, dato sin procedencia o comando ambiguo.

Se registran cuatro tiempos:

  • instalación del entorno;
  • ejecución del caso de control;
  • regeneración de la figura principal;
  • localización del dato que respalda una cifra del texto.

Un fallo en los primeros dos tiempos impide revisar la conclusión. Un fallo en los últimos revela una ruptura de trazabilidad. La corrección se documenta como una nueva versión, no como si el bloqueo nunca hubiera existido.

Alligood, Sauer y Yorke integran “visitas de laboratorio” dentro del desarrollo teórico Alligood, 1996 Kathleen T. Alligood, Tim D. Sauer y James A. Yorke (1996) Chaos: An Introduction to Dynamical Systems Springer Ubicación consultada: Lab Visits de los caps. 1-13 . En una entrega digital, la reconstrucción independiente cumple una función parecida: obliga a que el experimento pueda recorrerse y no solo contemplarse.

Entrega para revisión

Prepara un paquete que contenga:

  • README con objetivo, instalación y comando de reproducción;
  • archivo de dependencias con versiones;
  • configuraciones legibles para el control y el caso principal;
  • código separado en modelo, integración, análisis y visualización;
  • datos necesarios o instrucciones de regeneración;
  • tabla de convergencia y figura principal;
  • manifiesto con procedencia de archivos;
  • una página de resultados con observación, interpretación y límites.

Entrega el paquete a una persona que no haya participado en el proyecto y no intervengas durante los primeros treinta minutos. Convierte cada bloqueo en una mejora concreta. Si logra reconstruir el trabajo y las conclusiones conservan su alcance después de inspeccionar los datos, el material está preparado para presentarse.

Fuentes consultadas

Obras citadas en el desarrollo; los localizadores indican los capítulos o secciones consultados.
  1. Tamás Tél y Márton Gruiz (2006). Chaotic Dynamics: An Introduction Based on Classical Mechanics. Cambridge University Press. ISBN 978-0-521-54783-3.

    Caps. 5-9 y apéndices computacionales
  2. Julien Clinton Sprott (2010). Elegant Chaos: Algebraically Simple Chaotic Flows. World Scientific.

    Cap. 1 y comparaciones de flujos del cap. 3
  3. Kathleen T. Alligood, Tim D. Sauer y James A. Yorke (1996). Chaos: An Introduction to Dynamical Systems. Springer. ISBN 0-387-94677-2.

    Lab Visits y Challenges de los caps. 1-13
  4. Edward N. Lorenz (1993). The Essence of Chaos. University of Washington Press.

    Desarrollo narrativo y visual de los mecanismos de caos