Resultados Computacionales del Hardware Aritmético Inca
El análisis se basó en el procesamiento de 511,010 secuencias logeadas desde el motor de simulación digital de la Yupana Inca (10,510 operaciones de suma y 500,500 de resta). Esto permitió extraer métricas sobre el comportamiento de sus módulos espaciales y reglas algorítmicas internas.
Los resultados identifican propiedades estructurales específicas, asimetrías de operación de acuerdo al tipo de cálculo y una convergencia estadística ligada intrínsecamente al diseño modular del tablero.
1. Topología del Esfuerzo y Asimetría Operativa
El «Costo Cognitivo Promedio» se definió numéricamente como la cantidad de pasos (fases de colocación, anulación o estructuración de piezas) requeridos para resolver la operación planteada.
(Comparativa de perfiles de fricción cognitiva continua entre los algoritmos de suma y resta)
Se detecta una asimetría operativa constante entre ambos procesos:
- Para la Suma (Hanan): El proceso computacional es rápido y aglomerativo. Una clara mayoría de frecuencias se resuelven orgánicamente entre 1 a 4 pasos (77.3% de la varianza total), presentando una Mediana de procesamiento de 3 movimientos exactos.
- Para la Resta (Urin): La estructura delinea una distribución diferente; demanda procesos adicionales de deconstrucción iterativa y descomposición. Su núcleo de densidad normal muestra una concentración superior, operando predominantemente entre los 4 y 7 pasos. Esto se traduce matemáticamente en una adición sistemática de +2.74 pasos cognitivos promedio frente a la suma.
(El histograma indica que las resoluciones operativas se agrupan en costos fijos en lugar de una dispersión uniforme.)
2. Redes de Transición: Operaciones Confinadas
Para evaluar el sistema dinámico de la resta de forma estructurada, se mapeó el historial mediante una red de Teoría de Grafos dirigida por tres posibles sub-estados: pedir Préstamo, requerir Descomposición, o culminar en Aniquilación.
Topología de Estados
El modelo de red expone un efecto de «embudo asimétrico». El estado computacional de Préstamo (Borrow) opera estadísticamente como un inyector (no posee salida directa al final del sistema); empuja valores hacia la fase de Descomposición local.
Flujo de Macro-Estados
Como resultado directo de esta topología: el 47.8% de todos los problemas computacionales se logran contener exclusivamente dentro de subrutinas de la misma unidad escalar (la misma fila). El diseño del algoritmo, por tanto, limita la propagación de estados no locales.
3. Autopistas y Vectores Computacionales
Al mapear tridimensionalmente las 500,500 operaciones de resta en la tupla (Aniquilación, Descomposición, Préstamo) emerge una concentración particular de tránsito.
Autopistas Computacionales
Existe una concentración de frecuencia alta en el vector específico (3, 2, 0). El algoritmo frecuentemente demanda la ejecución de tres aniquilaciones locales, dos descomposiciones y nula injerencia interestratificada (Préstamos = 0), obteniendo un costo sumatorio de 5 pasos técnicos. El sistema estabiliza grandes volúmenes de respuestas usando estas variables primarias (2, 3 y 5) análogas al modelamiento mismo del objeto original.
4. Agrupamiento K-Means: Niveles de Complejidad Operativa
Se extrajo una clasificación automatizada con Inteligencia Artificial (scikit-learn – Clustering No Supervisado) para categorizar la profundidad de las operaciones en tres subgrupos principales de complejidad:
Clusters de K-Means
- Cluster 1 – Baja Fricción (50.1%): Restas que se resuelven mayoritariamente en aniquilaciones directas con mínima mutación matricial.
- Cluster 2 – Modificación Controlada (28.4%): El centroide demuestra mayor descomposición interna, pero limita severamente las disrupciones entre sub-niveles geográficos, actuando como aislante matricial.
- Cluster 3 – Alta Complejidad Operativa (21.5%): Escenarios perimetrales limítrofes (ejemplo 900 – 1) en donde el cálculo activa cadenas interdependientes generalizadas (Préstamos en cascada) a lo largo del sistema vertical.
5. El Ecuador de Fricción (Heatmap Bivariado)
Es común pronosticar que cálculos con componentes numéricos mayores requiriesen estadísticamente una densidad algorítmica superior.
Zonas Críticas de Acumulación
El Mapa de Calor Bivariado sugiere una normalización del vector del esfuerzo. El núcleo térmico de mayor ocurrencia traza un canal transversal inamovible (independiente a la magnitud en el Eje X). A través del espectro, la matriz computacional encapsula persistentemente el esfuerzo de las variables dentro de un intervalo rígido demarcado entre los 5_ y los 7 pasos, indicando amortiguación sistémica de fricciones mayores.
6. Secuencialidad: La Resonancia Periódica
Al examinar cronológicamente el progreso de la respuesta operativa alterando el sustraendo en intervalos secuenciales de uno en uno (100-11, 100-12, 100-13…):
Ritmo Secuencial
La gráfica constata una ondulación predecible (Efecto de Interferencia). Los picos rebotan invariablemente de acuerdo al ciclo del factor base 10 de la herramienta. Resolver localmente 11 puede imponer asambleas locales generadoras de 9 pasos, mientras que alterar variables unitarias hacia un 15, logra reducir y contraer la resistencia algorítmica a un margen de 7 pasos.
7. Espacialidad y Geometría en 2D
Al observar la densidad proyectada sobre un espacio topológico bivariado idéntico al diagrama andino documentado (filas operativas y 4 columnas base), identificamos el espectro de desgaste físico simulado:
Geometría del Desgaste
El tráfico computacional asiste predominantemente hacia el centro de la matriz. Las columnas vinculadas lógicamente a las variables numéricas ‘3’ y ‘2’ gestionan de forma consolidada el ~70% de la carga del flujo de operaciones, producto masivo de la frecuencia combinada de Fusión y Descomposición.
8. Presencia Analítica de la Relación Fibonacci
Tras revisar el enfoque combinatorio subrutina por subrutina, se obtuvo evidencia cuantitativa de la injerencia continua del orden modular original $(1, 2, 3, 5)$.
Convergencia de Fibonacci en variables aisladas
(Tasas del 75.8% y el 73.4% correlativo a proporciones matemáticas Fibonacci aplicadas a la operatividad intra-escala)
Para certificar que la relación fuese robusta, evaluamos parámetros condicionados e irregulares:
Distribución Condicional de Pasos
- Efecto de Escala Condicional: Cargar una mayor cantidad de materia interactuando en las centenas (Nivel 3), mantuvo a la máquina dependiente a la matriz Fibonacci en un sólido 73.4% del tiempo.
- Validación Exhaustiva (Stresstest): Fraccionamos las operaciones condicionando al Minuendo a ser matemáticamente Par o Impar separadamente. El comportamiento numérico general experimentó un colapso idéntico, oscilando la contención paramétrica alrededor del ríspido 73% sin afectación.
Stresstest de Robustez
9. Análisis de Optimalidad de Zeckendorf
Comparamos de igual forma los costos de fricción con su base idealizada (Teorema original de Mínimo Físico Teórico de Zeckendorf Andino) para identificar posibles redundancias iterativas en la formulación de resolución.
Optimalidad Algorítmica
Los resultados comprobaron estadísticamente una correlación fuerte con métricas de regresión del 66% ($R^2=0.6589$). La cantidad de pasos gastados en la ejecución modelada se condice estructuralmente con el volumen ideal proyectual mínimo de las fichas al término de la ecuación algorítmica.
10. Contención Estructural (Acarreo y Préstamo)
En métrica empírica comparativa con la aplicación de modelos numéricos basados en operaciones de papel y lápiz (Sistema Decimal Tradicional).
- En los Sistemas de Acarreo (Carry – Sumas): Los logaritmos base decimales convencionales gatillan un arrastre del 70.5% en distribuciones globales aleatorias. Las mitigaciones topológicas andinas redujeron su escalamiento general de acarreo vertical hacia apenas el 25.0%.
Heatmap Carry vs Decimal
- En el Sub-Factor Vertical de Préstamo (Borrow – Restas): En resoluciones posicionales, un logaritmo base-10 demanda el recurso de préstamo al vecino superior en el 66.96% de nuestras muestras, contrastando estadísticamente contra el algoritmo Yupanca que logró fragmentar material vertical secundario exclusivamente en el 38.87% del volumen experimental.
Resta: Prestamo Yupana y Decimal
11. Correlación de Longitudes: Variable Lingüística vs Cognitiva
Se planteó correlacionar los costos obtenidos en el algoritmo simulado (complejidad operativa) contra la elongación silábica del output exacto final procesado en lenguaje Quechua natural.
Correlación Lingüística Quechua Yupana
- Entorno de Suma: Se observa objetivamente una variable de correlación débil (r = 0.17) probando en proporciones directas un moderado vínculo estructural a constatar. Operaciones mecánicas más extensas manifestaron moderadamente un producto morfológico oral más complejo fonéticamente (procesión aglutinante).
- Entorno de Resta: En contrapartida, la medición correspondiente bajo algoritmos abstractos de reducción obtuvo como coeficiente regrersivo un resultado de (r = 0.02). Esta correlación estadísticamente nula demuestra ausencia total del fenómeno entre procesamiento material deconstructivo y la capacidad designativa del Quechua.
“El entorno de simulación utilizado en este estudio será publicado como herramienta interactiva en un artículo independiente.”
Análisis de Redes: Modelado con Teoría de Grafos
Para complementar el análisis computacional, el sistema de la Yupana Inca fue modelado como una red de estados finitos. Este enfoque permite representar el flujo algorítmico como una estructura de nodos (estados) y aristas (transiciones), revelando patrones que no son evidentes en una lectura secuencial.
Este tipo de modelado es consistente con la naturaleza de la yupana como dispositivo de cálculo práctico, basado en operaciones y reorganización de elementos más que en símbolos abstractos .
1. Definición del Modelo de Red
Para el modelamiento se definieron tres componentes:
- Nodos (Vértices): representan fases discretas del algoritmo.
- Aristas (Edges): representan transiciones entre estados.
- Peso (Weight): frecuencia absoluta de cada transición dentro de las 511,010 operaciones simuladas.
Este enfoque permite interpretar la yupana como una máquina de estados, donde cada operación es un recorrido dentro de una red.
2. Red Hanan (Suma)
La red de suma presenta una topología predominantemente lineal, con un flujo directo y de baja fricción.
Nodos definidos:
- INICIO
- FUSIÓN LOCAL
- ACARREO (Carry)
- FIN
Interpretación del flujo:
La estructura dominante conecta:
INICIO → FUSIÓN LOCAL → FIN
Esto indica que la suma opera como un sistema constructivo y local, donde la mayor parte del procesamiento ocurre dentro de la misma unidad.
El estado de ACARREO aparece como una transición secundaria, activándose únicamente cuando se produce saturación en la columna. Esto confirma que el sistema minimiza la propagación vertical.
La ausencia de ciclos en la red implica que la suma es un proceso no iterativo, lo que explica su estabilización en una mediana de 3 pasos operativos.
3. Red Urin (Resta)
La red de resta presenta una topología significativamente más compleja, caracterizada por interdependencia entre estados y presencia de ciclos.
Nodos definidos:
- INICIO
- PRÉSTAMO (Borrow)
- DESCOMPOSICIÓN
- ANIQUILACIÓN
- FIN
Dinámica del sistema:
A diferencia de la suma, la resta obliga al sistema a recorrer múltiples estados antes de alcanzar la resolución.
Se identifican tres propiedades clave:
- Triangulación operativa: el flujo frecuentemente pasa por PRÉSTAMO antes de resolverse.
- Embudo estructural: PRÉSTAMO canaliza hacia DESCOMPOSICIÓN.
- Puente crítico: DESCOMPOSICIÓN es el principal acceso hacia ANIQUILACIÓN.
Interpretación topológica:
La red presenta ciclos de retroalimentación, especialmente entre DESCOMPOSICIÓN, PRÉSTAMO y ANIQUILACIÓN.
El nodo PRÉSTAMO actúa como un estado transitorio no terminal, redistribuyendo la carga hacia niveles locales y generando una expansión del proceso.
La secuencia dominante:
INICIO → PRÉSTAMO → DESCOMPOSICIÓN → ANIQUILACIÓN
explica estructuralmente la mediana de 6 pasos operativos, duplicando el costo de la suma.
4. Comparativa de Complejidad
- Suma (Hanan):
- Topología lineal
- Flujo directo
- Procesamiento local
- 3 pasos (mediana)
- Resta (Urin):
- Topología cíclica
- Flujo iterativo
- Propagación vertical y horizontal
- 6 pasos (mediana)
🔁 Ruta de lectura del estudio de la Yupana
Este artículo presenta los resultados del análisis de la yupana como sistema computacional.
- 1. Problema: Formalización computacional de la Yupana
- 2. Método: Simulación computacional de la Yupana
- 3. Resultados: Análisis estructural del sistema (este artículo)
- 4. Análisis: Yupana como sistema computacional
- 5. Simulador interactivo (próximamente disponible)
Los resultados revelan patrones estructurales, restricciones internas y comportamiento emergente del sistema.
Ver todos los artículos de la serie: Yupana