Análisis de una lámpara de lava utilizando física computacional y aprendizaje automático

Abstract

Esta investigación se centra en las mecánicas de las lámparas de lava y su análisis con modelos de aprendizaje automático y simulación computarizada. Se tomaron datos a partir de videos de la lámpara de lava en funcionamiento, con mediciones de temperatura. Estos fueron obtenidos por medio del software Tracker. Con estos datos, se realizaron estadísticas para obtener propiedades del sistema como las densidades, el número de Reynolds y el de Weber. Se analizaron diagramas de velocidad contra el radio de los blobs y se compararon con modelos de fl uidos, pero se encontró que las distribuciones de estos diagramas no seguían las tendencias esperadas según los modelos debido a que su número de Reynolds era demasiado alto y que el de Weber muy bajo. Los modelos de aprendizaje automático, las redes neuronales y los bosques aleatorios lograron crear estimaciones de las velocidades con mejor exactitud y precisión que los modelos teóricos. El modelo de aprendizaje automático con el mayor error obtuvo un promedio de error absoluto de 0.001858, lo que representa un error de 1.8 mm/s en las estimaciones de velocidad. Los bosques aleatorios tuvieron mejores resultados que los de redes neuronales. La simulación por computadora no tuvo resultados consistentes. Se encontró que los blobs que generó se quedaban fl otando en medio del líquido por mucho más tiempo que en la lámpara real y no seguían patrones periódicos de ascenso y descenso. La simulación logró recrear las formas de los blobs observados y crear blobs secundarios, consecuencia del número de Weber. Se recomienda utilizar una lámpara de lava con líquido menos opaco para facilitar las mediciones, así como utilizar una función para las pruebas de arquitectura de las redes neuronales.

This research focuses on analyzing the dynamics of lava lamps as a model system for studying the behavior of immiscible fluids under observable and controllable conditions. These devices exhibit complex behavior arising from the interaction between two fluids of different densities subjected to thermal variations, which induce patterns of ascent, descent, deformation, and interaction among fluid structures. A relevant precedent is the Lavarand project (Liebow-Feeser, 2017a), employed by Cloudflare to generate cryptographic entropy for server encryption using a wall of lava lamps. This application highlights the practical interest of these systems due to their inherently chaotic nature.

Building upon this motivation, the present work employs data analysis techniques to investigate in greater depth the mechanisms governing the behavior of lava lamps and to explore the existence of measurable patterns. Lava lamps provide an appropriate experimental platform for this type of study because they allow the dynamics of two immiscible fluids to be observed within a relatively accessible experimental setup.

In this context, the research integrates experimental work, numerical methods, optimization techniques, and machine learning models to characterize the system and evaluate different analytical approaches.