Extended pseudo-spectral physics-informed neural networks for phase-field models

Technische Zusammenfassung: Erweiterte Pseudo-Spektrale Physik-Informierte Neuronale Netze für Phasenfeldmodelle

Problemstellung
Phasenfeldmodelle sind zentral für die Kontinuumsmbeschreibung der Phasentrennung, wobei Musterbildung und mikrostrukturelle Evolution durch die Volumen-Freie-Energiedichte und Grenzflächendickenparameter gesteuert werden. In praktischen Anwendungen, wie etwa in der Materialwissenschaft oder der Zellbiologie, sind diese konstitutiven Größen selten a priori bekannt und müssen aus begrenzten dynamischen Beobachtungen abgeleitet werden. Während klassische inverse Methoden und jüngste Ansätze der Physik-Informierten Neuronalen Netze (PINNs) auf Phasenfeldmodelle angewendet wurden, stehen bestehende Techniken oft vor Einschränkungen. Konkret nutzte die Vorarbeit von Zhao [31] pseudo-spektrale PINNs (SPINNs), um das chemische Volumenpotential zu identifizieren, erforderte jedoch, dass der Grenzflächendickenparameter und die Mobilität a priori fest vorgegeben waren. Die Behandlung aller konstitutiven Größen als Unbekannte in der klassischen Optimierung führt zudem häufig zu einer inhärenten Nicht-Identifizierbarkeit aufgrund von Skalierungsdegenerationsproblemen. Die Kernherausforderung, die in dieser Arbeit adressiert wird, ist die simultane inverse Identifizierung sowohl des chemischen Volumenpotentials (der Ableitung der homogenen freien Energiedichte) als auch der unbekannten Gradientenkoeffizienten (speziell des Grenzflächendickenparameters) aus transienten Snapshot-Daten, ohne sich allein auf Gleichgewichtsprofile zu verlassen.

Methodik: Extended SPINN (ESPINN)
Die Autoren schlagen das Framework des Extended Pseudo-Spectral Physics-Informed Neural Network (ESPINN) vor. Diese Methode erweitert die SPINN-Architektur, indem sie physikalische Parameter als trainierbare Variablen neben dem neuronalen Netz behandelt, welches die Freie-Energie-Funktion approximiert.

1. Mathematische Formulierung: Das Framework zielt auf allgemeine Phasenfeld-PDEs der Form $\partial_t \phi = G [\sum \mu_j g_j(\phi, \nabla \phi, \Delta \phi) + f(\phi)]$ ab, wobei $f(\phi)$ (chemisches Volumenpotential) und Koeffizienten $\mu_j$ (Gradiententerme) unbekannt sind. Die Autoren konzentrieren sich auf die Cahn-Hilliard- und Allen-Cahn-Gleichungen, bei denen der unbekannte Gradientenkoeffizient dem Grenzflächendickenparameter $\epsilon$ entspricht.
2. Neuronale Architektur:
   • Chemisches Volumenpotential: Die Funktion $f(\phi)$ wird durch ein Multi-Layer Perceptron (MLP) approximiert.
   • Skalare Parameter: Unbekannte Koeffizienten (z. B. $\epsilon^2$) werden durch einzelne trainierbare Skalare $\theta$ unter Verwendung einer Sigmoid-Reparametrisierung parametrisiert, um physikalische Grenzen einzuhalten ($\gamma_{lb} \leq \gamma \leq \gamma_{ub}$).
   • Verlustfunktion: Das Trainingsziel minimiert die Diskrepanz zwischen beobachteten Datenpaaren $(\Phi^{(1)}, \Phi^{(2)})$, die durch Zeitschritte $\Delta t$ getrennt sind, und den Vorhersagen eines semi-impliziten linear stabilisierten Schemas. Die Verlustfunktion enthält einen Hyperparameter $C_0$ zur Konditionierung der Optimierung, der basierend auf dem Rauschpegel der Daten angepasst wird.
3. Optimierungsstrategie:
   • Rauschfreie Daten: Das Framework verwendet eine zweistufige Optimierung: Adam gefolgt von L-BFGS, um die Glattheit der Zielfunktionslandschaft für eine präzise Konvergenz auszunutzen.
   • Verrauschte Daten: Um Overfitting gegenüber stochastischen Perturbationen zu verhindern, wird die L-BFGS-Stufe ausgelassen, und die Optimierung stützt sich ausschließlich auf Adam mit einem reduzierten Verlustmultiplikator ($C_0$), um die Gradientengrößen zu moderieren.

Wesentliche Beiträge

• Simultane Inferenz: Der primäre Beitrag ist die Erweiterung des SPINN-Frameworks auf die gleichzeitige Rekonstruktion des chemischen Volumenpotentials und der unbekannten Gradientenkoeffizienten (Grenzflächendicke) aus transienten Daten, wodurch die Notwendigkeit entfällt, diese Parameter a priori festzulegen.
• Dateneffizienz: Das Framework zeigt, dass selbst in einem einzigen Snapshot-Paar erhebliche konstitutive Informationen kodiert sind, was eine genaue Rekonstruktion mit minimalen temporalen Daten ermöglicht.
• Robustheit gegenüber Rauschen: Die Studie untersucht systematisch die Leistungsfähigkeit des Frameworks unter Rauschen und zeigt, dass die Erhöhung der Anzahl der Snapshot-Paare als impliziter Regularisierer wirkt, der die Varianz reduziert und die Genauigkeit verbessert, ohne die deterministischen Merkmale des gelernten Modells zu verändern.
• Architektonische Sensitivitätsanalyse: Die Arbeit liefert eine detaillierte Analyse von Aktivierungsfunktionen und Netzwerktiefe und zeigt auf, dass die Glattheit und Differenzierbarkeit der Aktivierungsfunktion entscheidender für die Rekonstruktionsgenauigkeit sind als die Netzwerkkapazität (Tiefe oder Breite).

Ergebnisse
Numerische Experimente wurden an eindimensionalen Cahn-Hilliard-Simulationen sowohl mit polynomischen als auch mit logarithmischen freien Energiedichten durchgeführt.

• Rauschfreies Regime: Das ESPINN-Framework erreichte eine genaue und statistisch stabile Rekonstruktion sowohl des chemischen Volumenpotentials als auch des Grenzflächendickenparameters. Bemerkenswerterweise lieferte bereits die Verwendung eines einzigen Snapshot-Paares ($N=1$) Ergebnisse, die den wahren Funktionen sehr nahe kamen. Eine Erhöhung der Anzahl der Snapshots ($N$) auf 2 eliminierte sichtbare Varianzen in der Rekonstruktion. Weitere Steigerungen von $N$ bis zu 64 verbesserten die statistische Stabilität, wobei über $N=64$ hinaus abnehmende Grenzerträge beobachtet wurden.
• Verrauschtes Regime: In Gegenwart von multiplikativem Rauschen verschlechterte sich die Rekonstruktionsgenauigkeit graduell. Während begrenzte verrauschte Daten ($N=1$) zu hoher Variabilität führten, reduzierte eine Erhöhung von $N$ systematisch die Fehler und die Varianz. Die Methode blieb selbst bei höheren Rauschpegeln ($\delta_L = 10^{-2}$) stabil, wenngleich eine sichtbare Bias auftrat.
• Architektonische Befunde: Glatte Aktivierungsfunktionen (Sigmoid, Tanh, SiLU, GELU) schnitten konsistent besser ab als ReLU, welches Fehler um bis zu vier Größenordnungen höhere lieferte. Netzwerktiefe und -breite hatten nur minimalen Einfluss auf die endgültige Genauigkeit, was darauf hindeutet, dass das inverse Problem nicht kapazitätslimitiert ist, sondern von den Differenzierbarkeitseigenschaften der Aktivierungsfunktion abhängt.
• Sensitivität der Lernrate: Die Methode zeigte eine Sensitivität gegenüber den Lernraten des Adam-Optimierers. Eine exponentiell abfallende Lernrate (anfänglich $10^{-2}$, fallend auf $10^{-4}$) bot die beste Balance zwischen Konvergenzgeschwindigkeit und Stabilität.

Bedeutung und Ansprüche
Die Autoren behaupten, dass ESPINN einen dateneffizienten und physikalisch konsistenten Ansatz zum Erlernen von Strukturen der Freien Energie in Kontinuumsmodellen der Phasentrennung etabliert. Das Framework adressiert erfolgreich das inverse Problem der Identifizierung konstitutiver Größen aus transienten Dynamiken – eine Aufgabe, bei der Gleichgewichtsprofile allein aufgrund von Skalierungsdegenerationsproblemen unzureichend sind. Durch den Nachweis, dass eine genaue Rekonstruktion aus begrenzten Daten möglich ist und dass die Methode unter verrauschten Bedingungen robust bleibt, legt die Arbeit nahe, dass transiente dynamische Daten eine zuverlässige Basis für die Ableitung konstitutiver Informationen bieten. Die Autoren merken an, dass sich die aktuelle Studie auf eindimensionale Modelle mit konstanter Mobilität beschränkt, die Methodik jedoch natürlich auf höhere Dimensionen und komplexere freie Energiefunktionalen erweiterbar ist, was sie zu einem praktischen Werkzeug für das Coarse-Grained-Modeling in biomolekularen Kondensaten, Polymerblends und Legierungssystemen macht.