DeepRitzSplit Neural Operator for Phase-Field Models via Energy Splitting

1. Planteamiento del Problema

Los modelos de campo de fase (phase-field) utilizados para simular transformaciones de fase en materiales (como la solidificación y el crecimiento dendrítico) son inherentemente no lineales y multiescala. Su resolución numérica tradicional mediante métodos de discretización (diferencias finitas, elementos finitos, espectrales) requiere mallas espaciales y temporales muy finas, lo que resulta en costos computacionales prohibitivos para simulaciones a gran escala o estudios paramétricos extensos.

Aunque los modelos sustitutos basados en aprendizaje profundo (como los operadores neuronales) ofrecen una alternativa prometedora, los enfoques puramente impulsados por datos (data-driven) sufren de:

• Necesidad de grandes conjuntos de datos de entrenamiento.
• Falta de generalización fuera de la distribución (OOD).
• Inestabilidad en predicciones a largo plazo.
• Incapacidad para garantizar propiedades físicas fundamentales, como la disipación de energía.

2. Metodología Propuesta: DeepRitzSplit

Los autores proponen DeepRitzSplit, un nuevo marco de operador neuronal que combina el método de Ritz profundo (Deep Ritz) con esquemas de división convexa-concava (convex-concave splitting) para resolver flujos de gradiente de manera no supervisada.

A. Fundamentos Teóricos

• División de Energía: El funcional de energía libre $E(u)$ se descompone en una parte convexa $E_1(u)$ y una parte cóncava $E_2(u)$.
• Esquema Semi-Implicito: Se utiliza un esquema numérico donde la parte convexa se trata implícitamente y la parte cóncava explícitamente (linealizada). Esto garantiza la disipación incondicional de energía ($E(u^{n+1}) \leq E(u^n)$) independientemente del tamaño del paso de tiempo, una propiedad que a menudo falla en otros esquemas o arquitecturas PINO (Physics-Informed Neural Operators) estándar.
• Función de Pérdida Variacional: En lugar de minimizar el residuo de la EDP (como en PINNs tradicionales), el operador neuronal se entrena minimizando directamente el funcional variacional asociado al esquema de división. Esto elimina la necesidad de derivadas de alto orden en la función de pérdida, reduciendo el costo computacional y mejorando la estabilidad.

B. Arquitectura: RDNO (Reaction-Diffusion Neural Operator)

Se introduce una arquitectura personalizada llamada RDNO, inspirada en la estructura del esquema de división:

1. Bloque de Reacción ($R_\theta$): Maneja la parte no lineal y explícita (derivada de la parte cóncava $E_2$). Utiliza capas convolucionales.
2. Bloque de Difusión ($D_\theta$): Maneja la parte lineal e implícita (derivada de la parte convexa $E_1$). Puede implementarse como una red tipo UNet o como un operador inverso aproximado.

• Ventaja: Esta separación física mejora la interpretabilidad y la eficiencia de entrenamiento en comparación con arquitecturas genéricas como FNO (Fourier Neural Operators) o UNets estándar.

3. Contribuciones Clave

1. Método DeepRitzSplit: Un marco de operador neuronal semigrupo que predice el estado en el siguiente paso de tiempo aprendiendo la minimización de energía asociada a un esquema de división. Garantiza la estabilidad energética por construcción.
2. Arquitectura RDNO: Un diseño específico para ecuaciones de reacción-difusión que alinea la estructura de la red con la física del problema, ofreciendo mayor eficiencia y menor número de parámetros que las alternativas.
3. Entrenamiento No Supervisado: El método no requiere datos generados por simuladores numéricos costosos para el entrenamiento; solo necesita las condiciones iniciales y las ecuaciones del modelo.
4. Uso como Precondicionador: Se demuestra que DeepRitzSplit puede servir como un "arranque en caliente" (warm-start) para refinar el modelo minimizando los residuos del esquema, logrando alta precisión en segundos donde el entrenamiento directo fallaría o tardaría semanas.

4. Resultados Experimentales

Caso de Estudio 1: Ecuación de Allen-Cahn (Isotrópica)

• Comparación: Se comparó DeepRitzSplit (entrenamiento no supervisado) contra métodos impulsados por datos (entrenamiento supervisado) usando arquitecturas RDNO, UNet y FNO.
• Generalización: DeepRitzSplit mostró una superioridad significativa en la generalización a configuraciones fuera de distribución (ej. campos aleatorios, múltiples discos), donde los métodos basados en datos fallaron completamente (errores >40%).
• Precisión: RDNO y UNet con DeepRitzSplit mantuvieron errores de perímetro inferiores al 1% en configuraciones no vistas, mientras que FNO falló debido a la naturaleza casi constante de los coeficientes de Fourier en el esquema de división.
• Velocidad: La inferencia de los operadores neuronales fue más rápida que los métodos espectrales de referencia.

Caso de Estudio 2: Crecimiento Dendrítico Anisotrópico

• Complejidad: Se aplicó a un modelo de campo de fase acoplado (fase y temperatura) con anisotropía, mucho más complejo que Allen-Cahn.
• Rendimiento:
  • DeepRitzSplit capturó con precisión la fracción de fase sólida y la velocidad de la punta del dendrita.
  • Hubo una ligera pérdida de precisión en el radio de la punta (curvatura) debido a que la formulación variacional original prioriza términos de primer orden.
  • Refinamiento: Al usar DeepRitzSplit como precondicionador y luego entrenar con los residuos del esquema, se logró una precisión casi perfecta en el radio de la punta (error <5%) con un tiempo de entrenamiento razonable.
• Simulaciones Multi-Grano: El modelo entrenado con solo 1-3 granos generalizó exitosamente a configuraciones con 16 granos, manteniendo la morfología y la distribución de temperatura coherentes con la solución numérica de referencia (SAV).

5. Significado e Impacto

Este trabajo representa un avance significativo en la intersección del aprendizaje profundo y la física computacional:

• Consistencia Física: Logra garantizar propiedades físicas críticas (disipación de energía) de manera intrínseca, no mediante penalizaciones en la función de pérdida.
• Eficiencia: Reduce drásticamente el tiempo de inferencia en comparación con los métodos numéricos tradicionales, permitiendo simulaciones a gran escala.
• Robustez: Supera las limitaciones de los métodos puramente basados en datos, funcionando bien con conjuntos de datos de entrenamiento pequeños y generalizando a escenarios no vistos.
• Aplicabilidad: Ofrece una alternativa interpretable y eficiente para resolver problemas de flujo de gradiente complejos en ciencia de materiales, superando las dificultades de implementación de esquemas numéricos clásicos en ciertos contextos.

En resumen, DeepRitzSplit establece un nuevo paradigma para los operadores neuronales en modelos de campo de fase, combinando la flexibilidad del aprendizaje profundo con la rigurosidad y estabilidad de los esquemas numéricos físicos.