Corso Python scientifico in GX-TXT · Modulo 5 · Lezione 28

Un modello non lineare può descrivere una curva che non è una retta. In questa lezione passiamo una funzione Python all’API numerica di GX-TXT tramite una callback e stimiamo i parametri di un decadimento esponenziale sintetico.

Obiettivi

  • Usare una funzione Python come valore passabile a un’altra operazione.
  • Registrare e rilasciare una callback per il Bridge.
  • Eseguire un fit e controllare convergenza e residui.
  • Capire il ruolo della forma degli array e dei valori iniziali.

Il modello

Consideriamo \(y=A\exp(-kx)\), con ampiezza A e costante di decadimento k. Creiamo nove punti sintetici con A = 3 e k = 0,7; non aggiungiamo rumore per rendere immediato il confronto. Il fit parte invece da [2, 0.5] e cerca i parametri che riducono le differenze tra modello e dati.

Il modello è non lineare nei parametri: k compare nell’esponente. La soluzione numerica dipende anche dai valori iniziali, dalle opzioni e dalla forma del problema. Un solver può fermarsi senza convergere o trovare un risultato non adatto all’interpretazione scientifica.

Una funzione come callback

In Python una funzione è un oggetto: il nome modello può essere passato senza parentesi, cioè senza eseguirla subito. gxtxt_callback_register(modello) registra questa funzione per l’esecuzione corrente e restituisce un handle, un riferimento opaco che passiamo al Bridge. Il solver può così richiamare la funzione più volte con diversi parametri.

La funzione deve restituire una previsione per ogni osservazione. Qui reshape(-1) rende parametri e ascisse vettori monodimensionali; la formula NumPy produce un valore per ciascuna ascissa. La callback deve rimanere dedicata al calcolo e non deve effettuare chiamate Bridge annidate: la chiamata che ha attivato la callback è ancora in corso.

Esegui l’esempio

Nella Sessione corso_python, importa callback_fit.py, salvalo nel Python Script Workspace e avvialo con Run → Open Script Runner → Run Job. Il percorso di callback del provider utilizza SciPy nel runtime Python configurato.

Script di fitting con callback nell'editor GX-TXT con tema Rich Dark.
Script di fitting con callback nell'editor GX-TXT con tema Rich Dark.
import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require, gxtxt_callback_register, gxtxt_callback_release

gxtxt_api_require("NUMERIC_API_v1@1:math.numeric+script_callback_functions")
x = np.linspace(0.0, 2.0, 9)
y = 3.0 * np.exp(-0.7 * x)
def modello(parametri, ascisse):
    p = np.asarray(parametri).reshape(-1)
    t = np.asarray(ascisse).reshape(-1)
    return p[0] * np.exp(-p[1] * t)
handle = gxtxt_callback_register(modello)
try:
    fit = gxtxt_api_call("NUMERIC_API_v1", "nonlinear_fit", [x, y, handle, [2.0, 0.5]])
finally:
    gxtxt_callback_release(handle)
parametri = np.asarray(fit["parameters"]).reshape(-1)
print("Convergenza:", fit["converged"])
print("Ampiezza e decadimento:", parametri)
print("Parametri attesi:", [3.0, 0.7])
print("Residuo massimo:", np.max(np.abs(y - modello(parametri, x))))

Il blocco try/finally rilascia l’handle anche se la chiamata al fit solleva un’eccezione. Dopo il rilascio non va riutilizzato; l’handle appartiene all’esecuzione corrente. Il risultato conserva invece i valori numerici del fit. In questa interfaccia gli argomenti di nonlinear_fit sono ascisse, osservazioni, handle del modello e parametri iniziali.

Output del Job: convergenza, parametri e residuo massimo.
Output del Job: convergenza, parametri e residuo massimo.

Il provider riporta converged: True; le stime sono circa [3, 0.7] e il massimo residuo assoluto è circa 1,6 × 10⁻¹¹. Il Job completato, da solo, non garantisce la convergenza del solver: il campo dedicato va letto separatamente. Il residuo molto piccolo è coerente con dati generati esattamente dallo stesso modello, senza rumore; non garantisce la validità del modello su un fenomeno reale.

def, lambda e closure

def è comodo per una funzione con più istruzioni e un nome chiaro. Una lambda può esprimere una funzione breve, ad esempio lambda x: x * 2, ma non migliora automaticamente la leggibilità. Una closure è una funzione che usa valori definiti nell’ambito che la circonda: è utile per fissare una costante, purché sia chiaro quale valore venga usato. Per i fit considera anche le unità: se x è in secondi, k è in s⁻¹; l’argomento dell’esponenziale deve essere adimensionale.

Esercizio

  1. Quali valori prevede il modello a \(x=0\) e perché?
  2. Perché non è sufficiente verificare soltanto che il Job sia completato?
  3. Se l’array delle ascisse ha nove elementi, quanti valori deve restituire la callback?

Soluzione ragionata

  1. \(\exp(0)=1\), quindi la previsione è A; nell’esempio vale 3.
  2. Il programma può terminare normalmente anche con un solver che segnala mancata convergenza. Bisogna leggere converged e interpretare parametri e residui.
  3. Nove, uno per osservazione. Una forma incompatibile non soddisfa il contratto del modello.

Nella prossima lezione useremo callback per cercare uno zero e interpreteremo la condizione di arresto del solver.

Scarica gli script del Modulo 05 (ZIP)

#Calcolo numerico #GX-TXT #Python

Altre tappe del progetto

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *