Saltar a contenido

Papers

Modelo de autómata celular de la evolución de la topografía

En este post me voy a centrar en un modelo muy sencillo que describe la evolución de la topografía debido a la acción de la erosión fluvial. Los procesos de erosión tanto del agua como del viento esculpen el paisaje a través de la acción combinada de la erosión y la deposición de sedimentos. Este es un problema que siempre me ha fascinado, particularmente cuando lo comparas con los mecanismos que influencian la topografía durante el crecimiento de materiales.

El trabajo original, titulado Fluvial landsculpting and the fractal dimension of topology, fue publicado en 1991. Es una idealización de este proceso que utiliza un autómata celular y que por tanto es ideal como proyecto de fin de semana. Desgraciadamente, la información proporcionada en el paper no es suficiente como para reproducir las figuras, con lo que lo que lo que voy a implementar es una reinterpretación de los conceptos básicos introducidos en el trabajo. El énfasis en las características y propiedades fractales del paisaje es típica de la época, pero en este post no me voy a centrar en ellas.

Fluvial landsculptiong and the fractal dimension of topology
Figura 1: Este paper presenta un modelo sencillo sobre la evolución de la topografía debido a la precipitación y la erosión fluvial

Como su título en inglés indica, el modelo se centra en la evolución de la topografía en condiciones en las que la erosión está dominada por el efecto de la lluvia y el transporte de sedimentos por el agua. El modelo introduce reglas sencillas que controlan cómo la altura promedio en cada punto de red cuadrada \(h(x,y)\) evoluciona en función del tiempo, con cada punto representando un área del orden de 1 \(km^{2}\).

En lugar de considerar la evolución coordinada de todos los puntos del paisaje simultáneamente, el modelo considera que la evolución de la topografía se produce como una secuencia de sucesos independientes, cada uno representando un evento fundamental que causa la modificación del paisaje.

Evolución de la topografía

En cada evento, un punto se escoge al azar y se evoluciona \(h(x,y)\) de la siguiente manera:

  1. Difusión local: las diferencias locales de altura entre los vecinos cercanos se atenúan usando un modelo de difusión. Este proceso representa sucesos locales como la meteorización, el colapso de terrenos y el movimiento local de sedimientos.

  2. Transporte de sedimentos: si uno de los ocho vecinos tiene una altura inferior al punto escogido, una fracción del terreno es erosionada por el agua y se transporta a la región vecina de menor altura. Este proceso se repite hasta que se llega a un mínimo o se llega al borde de la simulación, acumulando sedimentos en cada paso.

  3. Deposición de sedimentos: si la concentración de sedimientos excede un límite se produce deposición de este exceso de material.

Reimplementación del modelo

El repositorio que contiene my aproximación en Python está aquí, y éste es un ejemplo de la evolución de la topografía:

Evolution of topology by fluvial erosion
Figura 2: Ejemplo de evolución de la topografía usando un autómata celular basada en el paper de Chase.

Para reproducir una figura similar basta con correr el fichero run.py en el repositorio.

Cada evento comienza con proceso de difusión local. Como en el trabajo original, mi implementación considera un cambio proporcional a la diferencia de alturas entre celdas adyacentes. Sin embargo, la implementación que he escogido realiza esta homogeneización celda a celda, escogiendo el orden de los vecinos de manera aleatoria. En un segundo paso, el modelo calcula la erosión y traza el camino en el que el agua circula, erosionando o depositando material dependiendo de la carga de aluvio o sedimientos. Una diferencia con el trabajo original es que para determinar la siguiente celda donde se mueve el agua utilizo la pendiente en lugar de la diferencia de altura. He incluido un parámetro en la clase TopoCA que permite escoger cualquiera de las dos opciones.

El resultado es que cuando los parámetros se escogen de manera juiciosa, este modelo sencillo obtiene resultados como el de la figura, en el que la erosión en terrenos altos se compensa con la redeposición de sedimentos en terrenos bajos de baja pendiente. También es posible alcanzar resultados completamente incorrectos, sobre todo cuando aumentamos la cantidad máxima de sedimentos que el agua puede transportar, principalmente debido a lo simplificado que es el modelo de sedimentación cuando el agua alcanza un mínimo local.

Finalmente quiero recalcar que intención de estos modelos sencillos no es reproducir de manera exacta los resultados experimentales (de hecho, hay modelos mucho más sofisticados hoy en día) sino reproducir la dinámina de sistemas realmente muy complejos con un número mínimo de parámetros.

...

Papers favoritos: la primera aplicación del método de Monte Carlo al estudio de la materia

En 1953 Metropolis, Rosenbluth, Rosenbluth, Teller y Teller publicaron el primer trabajo en el que describen el llamado método de Metropolis para calcular las propiedades de sistemas en equilibrio. Titulado Equation of State Calculations by Fast Computing Machines, establece el llamado método de Metropolis, un proceso basado en números aleatorios pque permite evolucionar un sistema complejo hasta alcanzar el estado de equilibrio y por tanto extraer sus propiedades acumulando estadísticas de una manera que satisface las condiciones de equilibrio.

Modelo de superficie
Un gran paper

Es un paper fantástico: a pesar de que tiene más de 70 años, entender este trabajo es entender una buena parte de la física estadística y de los métodos que se utilizan para explorar las propiedades de los diferentes estados de la materia.

En el apartado "así se escribe la historia", aunque el algoritmo se llama método de Metropolis, la contribución de Metropolis es principalmente el ordenador en el que se corre el algoritmo, el MANIAC de Los Alamos, descendiente del ENIAC. El desarrollo y la implementación del algoritmo corresponden a Marshall y Arianna Rosenbluth, quienes continuaron explorando sistemas físicos en trabajos posteriores. Teller contribuyó ideas fundamentales incluyendo el énfasis en explorar el problema desde la perspectiva de la física estadística, pero no se dedicó extensivamente a estudiar este método.

Cosas que me parecen fascinantes de este trabajo:

  • El algoritmo se puede reimplementar fácilmente.

  • Cada iteración tardaba 3 minutos, y cada punto en el paper era el trabajo de al menos un día completo.

  • Aunque el método de Metropolis establece que la probabilidad de transicionar de un estado a otro depende exponencialmente de la diferencia de energía, el sistema que exploran, basado en un potencial de esferas duras, no require el cálculo de exponenciales. Aparte de la importancia de este sistema, es sin duda una elección práctica para acelerar el algoritmo.

  • Conceptos avanzados, como el desarrollo del virial de la ecuación de estado de un fluido y su expansión diagramática se dan prácticamente por sentado. Por eso entender algunos de los resultados del artículo requiere unos buenos mimbres teóricos.

  • Arianna Rosenbluth era una máquina programando los primeros ordenadores.

...