En el artículo se describe una forma de automatizar el planteamiento de soluciones analíticas a

diversos fenómenos naturales sin que sea necesario proporcionar conocimiento previo al
algoritmo. El obstáculo más grande que se enfrenta al momento de buscar computacionalmente
estas soluciones analíticas es encontrar invariantes significativas y no triviales. Para ello se
introduzco un principio que identifica únicamente las relaciones útiles que están relacionadas a las
dinámicas del sistema, posteriormente se demuestra como un algoritmo de búsqueda basado en
este principio identifica relaciones analíticas importantes en los datos capturados de varios
sistemas físicos.

La regresión simbólica es método establecido que se basa en la computación evolutiva para buscar
expresiones matemáticas y minimizar simultáneamente varias métricas de error. Se distingue de
otros métodos porque busca tanto los parámetros como la forma de la ecuación
simultáneamente. Las expresiones iniciales se forman combinando aleatoriamente expresiones
matemáticas, como los operadores algebraicos, funciones analíticas, constantes y variables de
estado. Nuevas ecuaciones se forman al combinar las ecuaciones y hacer variaciones
probabilísticas. Se conservan las combinaciones con mejores evaluaciones de los datos. Después
de alcanzar un nivel de error aceptable, el algoritmo termina y se arroja la solución.

Aunque este método es comúnmente utilizado para ecuaciones diferenciales, no puede encontrar
funciones invariantes o leyes de conservación. En lugar de modelar una señal específica, se busca
detectar leyes físicas implícitas en el fenómeno.

El identificar relaciones no triviales es un reto muy grande para el mundo de la ciencia. Hay valores
que únicamente por coincidencia son invariantes, pero no tienen una relación significativa con el
fenómeno en sí mismo. El que un valor se conserve, no es prueba suficiente para una ley de la
conservación. La clave principal para reconocer estas leyes de conservación no triviales
computacionalmente es que las ecuaciones candidatas deben predecir conexiones entre los
subcomponentes del sistema. Una métrica para evaluar esto son las derivadas parciales entre los
pares de variables, sería cuestión de calcular las derivadas parciales del sistema y de los datos,
posteriormente comparar los valores y averiguar si existe una relación intrínseca entre ambos.

Una consecuencia importante de esta métrica es que también puede identificar relaciones que
representan otras identidades no tribales además de invariantes y leyes de la conservación. En el
caso de la presente investigación, se utilizó un algoritmo para buscar leyes analíticas en los datos
capturados por múltiples sistemas sintéticos y físicos utilizando varios sistemas de variables. A
partir de los datos recolectados de un oscilador de pista de aire y un péndulo doble.

Dada la posición y la velocidad de los datos en el tiempo, el algoritmo convergió a las leyes de cada
sistema (las ecuaciones de Hamiltonian y Lagrangian). Dada además la información de la
aceleración producida, se obtuvieron como resultados las ecuaciones diferenciales
correspondientes a las leyes de Newton para los sistemas oscilatorios y armónicos. Con
únicamente las posiciones, el algoritmo fue capaz de construir a la ecuación de un círculo. Aunque
también hubo algunas pequeñas predicciones inexactas, como reemplazar coseno por seno en la
ecuación oscilatoria.

A través de estas bases, se descubrieron leyes físicas desde cero, directamente de los datos
experimentales capturados con el uso de búsqueda computacional. Se utilizó el aproximamiento
descrito para detectar leyes de conservación de la energía no lineales, leyes de newton de fuerza,
invariantes geométricas y colectores del sistema en varios sistemas sintéticos y físicos sin
conocimiento previo de física, cinemática o geometría. Las expresiones analíticas encontradas son
útiles para el uso humano y sus aplicaciones tienen gran variedad. Los científicos pueden utilizar
procesos como este para concentrarse en la información que importa.

Salette Noemi Villalobos

El uso de la programación genética puede significar un gran avance para el mundo científico. Su
empleo puede ser en diversas áreas y además significa el optimizar los procesos de investigación a
través de algoritmos que brinden soluciones confiables y rápidas. Su uso, lejos de significar el
merme de la sociedad científica, significará un apoyo para avances más rápidos y exactos. El
encontrar una modelación analítica para los fenómenos físicos es un reto muy importante y
laborioso incluso para la mente humana, plantearlo como un algoritmo es una tarea excepcional
que el hecho de conseguirla significa grandes pasos para el mundo de la ciencia. Por medio de la
observación de la naturaleza, esta tarea se simplifica, y a través de agregar ciertas variaciones y
mantener la supervivencia de aquellas ecuaciones más exactas, se pueden encontrar
modelaciones importantes de una manera casi exprés.