Una operación que agrega o comprime información de escala fina en variables gruesas mediante promediado, ajuste de momentos, proyección o truncamiento espectral, produciendo una representación reducida adecuada para modelos gruesos.

Principio

Condensar información de estado detallada en observables gruesos preservando invariantes elegidos (masa, momento, energía o momentos) y controlando aliasing y error de muestreo.

Demostración

Cálculo de densidades promediadas por celda y cierres de momentos para un modelo de volumen finito grueso integrando el campo de malla fina sobre volúmenes celulares y reteniendo momentos de bajo orden como variables gruesas.

Aplicación incorrecta

Usar un kernel de promediado no conservativo o inconsistente que rompa la conservación global, introduzca sesgo o permita el aliasing de energía de alta frecuencia hacia modos gruesos.

Consecuencia

Produce representaciones compactas que permiten simulación más barata, estimación de parámetros y acoplamiento de modelos, haciendo explícito qué información fina se descarta o retiene.

Inversión

El opuesto es Reconstrucción De Grueso a Fino, que intenta reintroducir estructura subrejilla plausible; la agregación es típicamente many-to-one y por tanto irreversible sin priors adicionales.

Límite

Requiere un mapeo bien definido (operador de promediado o proyección) y una noción de separación de escalas; no es aplicable cuando la variabilidad fina no puede resumirse significativamente por los momentos o proyecciones elegidos.

Tensión semántica

Tensión entre proyecciones lineales sin pérdida (proyección ortogonal en un espacio de Hilbert) y compresiones no lineales con pérdida que conservan características relevantes para la tarea pero violan invariantes lineales clásicos.

Síntesis

Un operador de compresión controlado que mapea campos de alta resolución a observables gruesos mediante integración o proyección, priorizando la conservación y la claridad sobre la información descartada.