Por qué algunos vórtices son predecibles y otros no exprés

Original: "Hierarchy of extreme-event predictability in turbulence revealed by machine learning"
arXiv:2603.13789 · 2026-03-14 · CC BY 4.0 · 2 min
En un flujo turbulento, cada ráfaga de energía tiene su propio horizonte de previsibilidad, que depende de la longevidad de los grandes vórtices.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

En un flujo turbulento — como en un río caudaloso — la energía se transfiere constantemente de los grandes remolinos a los pequeños. A veces surgen ráfagas especialmente potentes, similares a golpes repentinos de ola contra la orilla. Los científicos se preguntaron: ¿se puede saber de antemano cuándo golpeará tal «ola»? Resultó que la respuesta depende de qué vórtices viven en el flujo en ese momento.

El modelado estocástico de un flujo bidimensional (plano, como la superficie del agua) mostró: cada ráfaga extrema de energía tiene su propio horizonte de previsibilidad. Algunas ráfagas se pueden prever con un período de caoticidad de antelación — el tiempo en que el flujo «olvida» por completo su estado inicial. Otras, con más de cuatro períodos. Todo lo decide la longevidad de las grandes estructuras vorticiales, que los científicos llaman paquetes de vórtices cuadrupolares. Estas estructuras se asemejan a cuatro remolinos conectados que giran juntos.

Los grandes vórtices son como directores de orquesta en la turbulencia: mientras mantienen el ritmo, el futuro es predecible.

Cuando estos paquetes de vórtices viven mucho tiempo, «organizan» el flujo y hacen su comportamiento más predecible. Cuando se desintegran rápidamente, el flujo se vuelve caótico y el horizonte de predicción se acorta drásticamente. Esta conclusión se obtuvo con una red neuronal entrenada en miles de experimentos numéricos. La red aprendió a predecir ráfagas de energía, y luego los científicos midieron cuán lejos en el futuro sus predicciones seguían siendo precisas.

Este enfoque es como un pronóstico del tiempo basado en el comportamiento de las nubes: no es necesario resolver ecuaciones complejas, basta con reconocer el tipo de nubes y saber cuánto suelen durar. Esto abre el camino para estimar los límites de la previsibilidad a partir de observaciones reales — sin cálculos costosos.

En la turbulencia bidimensional, la energía se comporta de manera diferente que en la tridimensional: los grandes vórtices no se descomponen en pequeños, sino que, al contrario, se fusionan en estructuras aún más grandes. Por eso, la previsibilidad allí puede ser mayor.

Científicos
Daniel BernoulliLeonhard EulerGeorge Gabriel StokesLudwig BoltzmannAndrey Markov
Conceptos
estabilidad del horizonte de sucesos predictability forecast skill probabilistic forecast horizonte de sucesos pronóstico predicción turbulencia principio de máxima entropía redes neuronales de aprendizaje predictivo Hurst exponent teoría de la probabilidad lead time modelo epidémico epidemia distribución de ley de potencia redes neuronales evidenciales lyapunov exponent teoría del caos entropía