SCULPT: An Interactive Machine Learning Platform for Analyzing Multi-Particle Coincidence Data from Cold Target Recoil Ion Momentum Spectroscopy

Der Artikel stellt SCULPT vor, eine interaktive, webbasierte Plattform für maschinelles Lernen, die fortschrittliche Techniken wie UMAP und adaptive Konfidenzbewertung nutzt, um hochdimensionale Multi-Partikel-Koinzidenzdaten aus COLTRIMS-Experimenten zu analysieren und damit die effiziente Entdeckung seltener Ereignisse und Korrelationen in der Atom- und Molekülphysik ermöglicht.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Detektiv, der ein Verbrechen aufklären soll, aber anstatt weniger Zeugen haben Sie Millionen davon, und alle sprechen gleichzeitig eine andere Sprache. Dies ist die Herausforderung, der sich Wissenschaftler stellen, wenn sie untersuchen, wie Moleküle zerfallen.

Das Problem: Eine chaotische Menge
In Experimenten namens „Cold Target Recoil Ion Momentum Spectroscopy" (COLTRIMS) schießen Wissenschaftler Teilchen auf Moleküle, um zu sehen, wie sie zerbersten. Wenn ein Molekül wie Wasser zerfällt, spaltet es sich nicht nur in zwei Teile; es kann auf einmal in fünf oder mehr Teile (Ionen und Elektronen) explodieren.

Jeder einzelne „Explosion" erzeugt eine massive Datenmenge. Für ein Ereignis zeichnet der Computer die Geschwindigkeit und Richtung jedes Teils auf. Wenn Sie alle Winkel, Energien und Geschwindigkeiten zusammenzählen, landen Sie bei einer Liste von 50 oder mehr Zahlen für jedes einzelne Ereignis. Wenn Sie Millionen solcher Ereignisse haben, ist es wie der Versuch, ein spezifisches Muster in einem Datenhurrikan zu finden. Herkömmliche Methoden sind wie das Betrachten des Hurrikans durch ein Schlüsselloch; Sie sehen nur ein oder zwei Dimensionen gleichzeitig und verpassen das größere Bild davon, wie die Teile miteinander zusammenhängen.

Die Lösung: SCULPT
Die Autoren dieses Papiers stellen ein neues Software-Tool namens SCULPT (Supervised Clustering and Uncovering Latent Patterns with Training) vor. Denken Sie an SCULPT als einen intelligenten, interaktiven 3D-Kartengenerator, der Wissenschaftlern hilft, sich durch diesen Datenhurrikan zu navigieren.

So funktioniert es, unter Verwendung einfacher Analogien:

1. Die „Magische Karte" (UMAP)

Stellen Sie sich vor, Sie haben einen riesigen, unordentlichen Haufen bunter Murmeln. Einige sind rot, einige blau, einige grün, aber sie sind alle in einer 50-dimensionalen Box vermischt, die Sie nicht sehen können. Sie möchten sie nach Farbe sortieren.
SCULPT verwendet eine Technik namens UMAP, um diese 50-dimensionale Box zu einer einfachen 2D-Karte zu flachen (wie ein flaches Blatt Papier).

• Die Magie: Es quetscht die Daten nicht einfach zusammen; es ordnet die Murmeln intelligent so an, dass ähnliche (die auf ähnliche Weise zerfallen sind) nebeneinander landen, während unterschiedliche weit voneinander entfernt bleiben. Plötzlich können Sie deutliche „Inseln" von Farben sehen, die zuvor im Chaos verborgen waren.

2. Der „Vertrauensmesser" (Confidence Scoring)

Wenn Sie auf eine Karte schauen, wie wissen Sie dann, ob die Inseln echt sind und nicht nur ein Trick des Lichts?
SCULPT enthält einen Vertrauensmesser. Es zeigt Ihnen nicht nur die Karte; es berechnet einen Score, der Ihnen sagt: „Hey, diese Gruppen sind sehr deutlich" oder „Vorsicht, diese Gruppen könnten sich überlappen".

• Es überprüft die Karte mit mehreren verschiedenen Regeln (wie zu prüfen, ob die Inseln eng beieinander liegen oder ob sie klar vom leeren Raum getrennt sind).
• Es kombiniert diese Prüfungen zu einem einzigen Score. Wenn der Score hoch ist, weiß der Wissenschaftler: „Okay, ich kann dieser Gruppierung vertrauen." Wenn er niedrig ist, wissen sie, einen anderen Winkel zu versuchen.

3. Der „Filter" (Bereinigung der Daten)

Manchmal ist die Daten zu verrauscht, wie wenn man versucht, ein Flüstern in einem überfüllten Stadion zu hören.
SCULPT ermöglicht es Wissenschaftlern, wie ein Toningenieur zu handeln. Sie können Filter verwenden, um:

• Hineinzoomen: Sich nur auf die lautesten Stimmen zu konzentrieren (die häufigsten Ereignisse).
• Die Frequenz abstimmen: Das Hintergrundrauschen ignorieren und nur auf bestimmte Arten von Geräuschen hören (spezifische Energieniveaus oder Winkel).
  Dies hilft ihnen, seltene Ereignisse zu isolieren, die möglicherweise in der Menge verborgen sind.

4. Der „Autopilot" (Genetische Programmierung)

Manchmal wissen Wissenschaftler nicht, welche Zahlen sie betrachten müssen, um das Rätsel zu lösen.
SCULPT verfügt über eine Funktion, die wie ein Autopilot für Entdeckungen funktioniert. Es kann automatisch verschiedene Zahlen mischen und zusammenfügen (wie das Kombinieren von „Geschwindigkeit" mit „Winkel"), um zu sehen, ob ein neues, verstecktes Muster entsteht. Es ist wie ein Koch, der ständig neue Gewürzkombinationen probiert, bis er das perfekte Rezept findet, das die Aromen zum Explodieren bringt.

Der Realwelt-Test: Das Wassermolekül

Um zu beweisen, dass es funktioniert, nutzte das Team SCULPT, um Daten von D2O (eine schwere Version von Wasser) zu analysieren.

• Das Ziel: Sie wollten die verschiedenen Arten, wie das Wassermolekül zerfallen kann, trennen. Es gab 8 verschiedene „Quantenzustände" (verschiedene Arten, wie das Molekül vibrieren oder rotieren konnte, bevor es zerbrach).
• Das Ergebnis: Herkömmliche Methoden hatten Schwierigkeiten, diese 8 Zustände zu trennen, da ihre Daten sehr ähnlich aussahen. SCULPT hingegen kartierte sie erfolgreich ab. Es fand heraus, dass sich einige Zustände innerhalb derselben „Insel" auf der Karte versteckten. Durch die Verwendung des Vertrauensmessers und das erneute Kartieren spezifischer Abschnitte trennte die Software sie auf und enthüllte alle 8 verschiedenen Zustände deutlich.

Warum dies wichtig ist

SCULPT ist wie die Verleihung eines High-Tech-Mikroskops für Daten an Wissenschaftler. Anstatt wochenlang manuell durch Millionen von Zahlen zu sortieren, können sie die Daten interaktiv erkunden, verborgene Muster finden und den Ergebnissen sofort vertrauen. Es verwandelt einen Berg verwirrender Zahlen in eine klare, navigierbare Landschaft und ermöglicht es Forschern, seltene und wichtige Ereignisse zu erkennen, die zuvor unsichtbar waren.

Die Software ist offen und webbasiert, was bedeutet, dass jeder Wissenschaftler sie nutzen kann, ohne ein Computerexperte sein zu müssen, und macht die komplexe Welt der Molekülphysik viel zugänglicher.

Technische Zusammenfassung

Technisches Fazit: SCULPT – Eine interaktive Machine-Learning-Plattform für die Analyse von COLTRIMS-Daten

Problemstellung
Die Kälte-Ziel-Rückstoß-Ionen-Impulsspektroskopie (COLTRIMS), auch „Reaktionsmikroskopie" genannt, ermöglicht kinematisch vollständige Messungen von Vielteilchen-Fragmentierungsprozessen und erzeugt hochdimensionale Datensätze (oft mit mehr als 50 Merkmalen pro Ereignis, einschließlich 3D-Impulsvektoren, Masse-zu-Ladungs-Verhältnissen und abgeleiteter Größen wie der kinetischen Energiefreisetzung). Obwohl diese Methode leistungsfähig ist, stehen die Analysen dieser zehnmillionenfachen Ereignismengen mit herkömmlichen Methoden vor erheblichen Herausforderungen:

1. Einschränkungen durch Projektion: Die Reduktion von Daten auf 1D- oder 2D-Histogramme verschleiert oft kritische mehrdimensionale Korrelationen.
2. Verzerrung durch sequenzielle Filterung: Das Anwenden von Schnitten auf spezifische Parameter kann Verzerrungen einführen und unerwartete Muster verbergen.
3. Manuelle Merkmalskonstruktion: Die Abhängigkeit von Fachwissen zur Konstruktion von Observablen kann nicht-intuitive Zusammenhänge übersehen.
4. Inkompatibilität von Werkzeugen: Bestehende Machine-Learning (ML)-Werkzeuge fehlen spezifische physikinformierte Randbedingungen, konfigurierbare molekulare Profile und interaktive Explorationsfähigkeiten, die auf tabellierte Impulsspektroskopie-Daten zugeschnitten sind.

Methodik
Die Autoren stellen SCULPT (Supervised Clustering and Uncovering Latent Patterns with Training) vor, eine webbasierte Plattform, die auf Python und dem Plotly-Dash-Framework aufbaut. Sie integriert fortschrittliche ML-Techniken mit physikinformierter Analyse durch eine modulare Architektur:

• Datenverarbeitung & Physikmerkmale: Das System ermöglicht es Benutzern, molekulare Profile (Teilchentypen, Massen, Ladungen) ohne Codeänderungen zu definieren. Es berechnet automatisch Physikmerkmale wie kinetische Energien einzelner Teilchen, kinetische Energiefreisetzung (KER), Summen/Aufteilung der Elektronenenergie und Winkel zwischen Teilchen.
• Dimensionsreduktion:
  • UMAP: Das primäre Werkzeug für nichtlineare Dimensionsreduktion. Es erstellt eine topologische Darstellung hochdimensionaler Daten, die sowohl lokale Nachbarschaftsbeziehungen als auch die globale Struktur erhält. Es wird verwendet, um nichtlineare Korrelationen zwischen Impulskomponenten und abgeleiteten Physikgrößen aufzudecken.
  • Deep Autoencoder: Ein symmetrisches neuronales Netzwerk (Encoder-Decoder), implementiert in PyTorch, steht für das Merkmalslernen zur Verfügung. Es komprimiert Eingabedaten in einen niedrigdimensionalen latenten Raum, um die wesentliche Varianz in der Fragmentierungsdynamik zu erfassen.
• Merkmalsentdeckung: Die Plattform setzt Genetische Programmierung mittels symbolischer Regression ein, um interpretierbare mathematische Kombinationen von Eingangsmerkmalen zu entdecken, mit dem Ziel, nicht-triviale Beziehungen zu finden, die Standard-Physikparameter übersehen könnten.
• Adaptives Konfidenz-Scoring: Ein neuartiges System liefert quantitative Zuverlässigkeitsbewertungen für Clustering-Ergebnisse. Es berechnet einen gewichteten Konfidenzwert ($C$) basierend von Benutzern ausgewählten Metriken:
  • Stufe 1 (Hohe Zuverlässigkeit): Silhouette-Score (Kohäsion/Trennung) und Hopkins-Statistik (Clustering-Neigung).
  • Stufe 2 (Mittlere Zuverlässigkeit): Cluster-Stabilität (durch Rauscheinjektion), Physik-Konsistenz (Varianzverhältnisse wichtiger Physikparameter) und Calinski-Harabasz-Index.
  • Stufe 3 (Niedrige Zuverlässigkeit): Davies-Bouldin-Index (stark heruntergewichtet aufgrund der Empfindlichkeit gegenüber nicht-kugelförmigen Clusterformen, die bei UMAP häufig vorkommen).
  • Das System verfolgt zudem das Rauschverhältnis via DBSCAN-Clustering und wendet asymptotische Skalierungsboni für außergewöhnliche Ergebnisse an, während es Scores bei schweren Fehlern begrenzt.
• Interaktive Filterung & Visualisierung: Benutzer können Daten über Merkmalsauswahl, dichte-basierte Filterung (Entfernung spärlicher Ausreißer im UMAP- oder Merkmalsraum) und Physikparameter-Filterung (z. B. spezifische KER-Bereiche) filtern. Interaktive Auswahlwerkzeuge (Lasso, Rechteck) ermöglichen es Benutzern, Ereignisse zu isolieren und Teilmengen neu zu analysieren.

Hauptbeiträge

1. Integration physikinformierten ML: SCULPT überbrückt die Lücke zwischen generischen ML-Werkzeugen und spezifischen experimentellen Anforderungen, indem es UMAP mit automatisierter Berechnung von Physikmerkmalen und konfigurierbaren molekularen Systemen integriert.
2. Adaptive Zuverlässigkeitsbewertung: Die Einführung eines gewichteten, mehrstufigen Konfidenz-Scoring-Systems adressiert das Fehlen objektiver Qualitätsmetriken in der explorativen ML-Analyse wissenschaftlicher Daten.
3. Iterativer, hypothesengetriebener Arbeitsablauf: Die Plattform ermöglicht einen dynamischen Workflow, bei dem Benutzer Teilmengen von Daten iterativ verfeinern, Merkmale anpassen und neu clustern können, um spezifische Quantenzustände oder Reaktionspfade zu isolieren, geleitet sowohl durch visuelle Inspektion als auch durch quantitative Scores.
4. Automatisierte Merkmalsentdeckung: Die Einbeziehung genetischer Programmierung ermöglicht die automatische Entdeckung mathematischer Merkmalskombinationen, die die Cluster-Trennung über Standard-Physikobservablen hinaus verbessern.

Ergebnisse: Fallstudie zur Doppelionisation von D₂O
Die Plattform wurde mit einem Datensatz von ca. 1,9 Millionen Koinzidenzereignissen aus der Photo-Doppelionisation von D₂O (61 eV) validiert, was zu D⁺ + D⁺ + O + 2e⁻ führt. Die Grundwahrheit bestand aus acht verschiedenen Dikation-Quantenzuständen.

• Initiale Analyse: Eine initiale UMAP-Projektion unter Verwendung von KER, Gesamt-Elektronenenergie, Gesamtenergie und Ion-Ion-Winkeln identifizierte fünf Cluster. Zwei Cluster enthielten einzelne Quantenzustände, während drei gemischt waren.
• Iterative Verfeinerung: Durch Isolierung gemischter Cluster und erneutes Ausführen von UMAP mit optimierten Merkmalssets gelang es den Autoren, die verbleibenden Zustände erfolgreich zu trennen. So wurde beispielsweise ein Cluster, der drei Zustände enthielt, in zwei und anschließend in einzelne Zustände aufgespalten, wobei der Konfidenzwert von 0,70 auf 0,79 anstieg, sobald die Trennung physikalisch eindeutig wurde.
• Metrik-Performance: Das Konfidenz-Scoring-System erwies sich als effektiv; hohe Scores korrelierten mit erfolgreicher physikalischer Trennung, während niedrige Scores (z. B. 0,14) korrekt eine schlechte Trennung anzeigten, wenn suboptimale Merkmale gewählt wurden. Das System bewältigte erfolgreich Fälle, in denen Quantenzustände überlappende kinematische Signaturen aufwiesen (z. B. 3B₁- und 1B₁-Zustände mit ähnlicher KER), indem es die Hopkins-Statistik nutzte, um die zugrundeliegende Clustering-Neigung trotz bescheidener Silhouette-Scores zu validieren.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass SCULPT einen bedeutenden Fortschritt in der Analyse von Vielteilchen-Koinzidenzdaten darstellt, indem es Forschern ermöglicht, detailliertere Informationen aus hochdimensionalen Daten effizienter zu extrahieren als mit etablierten Werkzeugen.

• Zugänglichkeit: Das webbasierte, modulare Design macht fortgeschrittene ML-Analysen für die breitere Gemeinschaft der Atom- und Molekülphysik zugänglich und reduziert die Zeit, die für komplexe mehrdimensionale Analysen erforderlich ist.
• Erkennung seltener Ereignisse: Die Plattform erleichtert die Identifizierung und Isolierung seltener Ereignisse mit nichtlinearen Korrelationen in Echtzeit, was potenziell die experimentelle Exploration leitet und die Effizienz verbessert.
• Zukunftspotenzial: Die Autoren schlagen vor, dass die Plattform die Grundlage für KI-gestützte Entdeckungen in der Vielteilchen-Quantendynamik legt. Sie schlagen eine zukünftige Integration von „Digital-Twin"-Simulationen und agentenbasierten Fähigkeiten vor, um autonom nicht-standardmäßige Dissoziationsverhalten (wie den „Schleuder-Mechanismus" in Wasser-Dikation-Zuständen) zu identifizieren, die die Axial-Rückstoß-Näherung verletzen und über traditionelle manuelle Analyse schwer zu erkennen sind.
• Breitere Auswirkungen: Obwohl der Fokus auf COLTRIMS liegt, vertreten die Autoren die Auffassung, dass der Ansatz der Kombination von Dimensionsreduktion mit domänenspezifischen Randbedingungen auch anderen Bereichen zugutekommen könnte, die mit großen, mehrparametrigen tabellierten Datensätzen umgehen, wie z. B. Quanteninformationswissenschaft, Pharmazeutika und Luft- und Raumfahrt.

Die Arbeit wird als Werkzeug präsentiert, das physikalische Intuition unterstützt, anstatt sie zu ersetzen, und einen datengesteuerten Weg bietet, um komplexe experimentelle Ergebnisse zu validieren und zu interpretieren.