Redes neuronales informadas por la física para inferir cómo interactúan los osciladores acoplados: desde relojes embrionarios hasta nanorods giratorios Los osciladores acoplados están en todas partes en la naturaleza: el reloj de segmentación que coordina la formación de vértebras en embriones, los ritmos circadianos en el núcleo supraquiasmático, las redes eléctricas, las nanopartículas rotativas bajo luz polarizada. Todos están gobernados por una función de acoplamiento que determina si los osciladores se atraen, se repelen o se sincronizan de manera asimétrica. Identificar esa función a partir de datos es la clave para entender el mecanismo de interacción, pero es un problema inverso difícil. Los enfoques estándar representan la función de acoplamiento como una suma de polinomios trigonométricos ajustados a series temporales de fase observadas, pero no hay una regla fundamentada para elegir cuántos términos incluir. Hwang, Jo y Kim muestran que esto no es una cuestión de convención: no existe un número óptimo único. Pocas funciones base omiten la estructura asimétrica; muchas se sobreajustan a datos escasos o ruidosos. Para eludir completamente la selección de bases, introducen IC-PINN (Inferencia de Acoplamiento a través de Redes Neuronales Informadas por la Física). Dos redes separadas aprenden, respectivamente, las trayectorias de fase y la función de acoplamiento como función de la diferencia de fase, con periodicidad impuesta al mapear las entradas a través de (sin θ, cos θ). El entrenamiento conjunto minimiza una pérdida combinada: fidelidad de datos más una restricción física que impone consistencia con las ecuaciones diferenciales gobernantes. Esta restricción actúa como un regularizador natural, haciendo que IC-PINN sea robusto al ruido y a la escasez sin ajuste manual. IC-PINN recupera funciones de acoplamiento a través de regímenes de sincronización bidireccional, Winner-Take-All y Loser-Take-All, se extiende a M osciladores acoplados e infiere la estructura de la red con un AUC de 1.0 en topologías escasas y modulares. Aplicado a datos de oscilación del gen HES de células del brote de cola de embrión de ratón, confirma la sincronización Winner-Take-All y predice que la diferencia de fase se reduce a la mitad en aproximadamente 100 minutos. Aplicado a nanorods de oro rotando bajo luz polarizada circular, recupera la función de acoplamiento solo a partir de datos de diferencia de fase, un régimen donde los métodos convencionales fallan por completo. El punto más profundo es arquitectónico: IC-PINN separa la dinámica de fase de la dinámica de interacción en redes distintas, acopladas solo a través de restricciones físicas. Esto hace que la función de acoplamiento sea identificable incluso a partir de observaciones parciales y ruidosas, y abre la puerta a descubrir principios de interacción no lineales sin imponerlos a priori. Artículo: