Funzioni come oggetti e fitting non lineare
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.

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.

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
- Quali valori prevede il modello a \(x=0\) e perché?
- Perché non è sufficiente verificare soltanto che il Job sia completato?
- Se l’array delle ascisse ha nove elementi, quanti valori deve restituire la callback?
Soluzione ragionata
- \(\exp(0)=1\), quindi la previsione è
A; nell’esempio vale 3. - Il programma può terminare normalmente anche con un solver che
segnala mancata convergenza. Bisogna leggere
convergede interpretare parametri e residui. - 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.