Graph-Structured Hyperdimensional Computing for Data-Efficient and Explainable Process-Structure-Property Prediction

Resumen Técnico: Computación Hiperdimensional Estructurada en Grafos para la Predicción Eficiente de Datos y Explicable de PSP

Planteamiento del Problema
El artículo aborda el desafío de la predicción Proceso–Estructura–Propiedad (PSP) en la fabricación avanzada, específicamente en el contexto de la fotoreducción multipotónica para microestructuras 3D. La dificultad central surge del régimen de "datos escasos, estadísticas heterogéneas":

• Escasez y Costo de Datos: Generar puntos de datos PSP completamente caracterizados es costoso, requiriendo fabricación controlada, microscopía, segmentación y pruebas de propiedades. En consecuencia, los conjuntos de datos a menudo se limitan a docenas de muestras.
• Dominio de las Interacciones: La mapeo de los parámetros del proceso a las propiedades es de alta dimensión y dominado por interacciones. Pequeños cambios en las condiciones de procesamiento pueden alterar drásticamente la microestructura y el rendimiento eléctrico a través de vías fuertemente acopladas.
• Limitaciones de los Métodos Existentes:
  • Cadenas Mecanicistas: Dependen de submodelos calibrados (por ejemplo, modelos térmicos o cinéticos) que a menudo no están disponibles durante el desarrollo temprano y son propensos a la acumulación de errores cuando se encadenan.
  • Modelos Basados en Datos (Caja Negra): Los modelos convencionales de vectores de características (por ejemplo, SVM, Bosques Aleatorios, Aprendizaje Profundo) están estadísticamente subdeterminados en este régimen. Tienden a aprender correlaciones espurias específicas del régimen en lugar de dependencias causales transferibles, lo que lleva a una generalización deficiente a condiciones de proceso no vistas y a explicaciones post-hoc inestables.
  • Redes Neuronales de Grafos (GNN): Aunque las GNN codifican la estructura relacional, aprender pesos de aristas o patrones de atención a partir de decenas de muestras es estadísticamente subdeterminado, dando a menudo como resultado acoplamientos frágiles y específicos del régimen.

Metodología: PSP-HDC
Los autores proponen PSP-HDC, un marco de Computación Hiperdimensional (HDC) estructurado en grafos diseñado para operar bajo estas restricciones. La metodología trata el grafo PSP dirigido (Proceso $\to$ Estructura $\to$ Propiedad) no como una anotación, sino como un prior estructural interno fijo que dicta la representación y la inferencia.

1. Representación Estructurada en Grafos:

   • El dominio PSP se define como un grafo dirigido donde los nodos representan parámetros escalares (proceso o estructura) y las aristas representan dependencias permitidas.
   • Composición: El marco utiliza operadores HDC—enlace (producto de Hadamard) y agrupamiento (suma de vectores)—para componer representaciones.
   • Alineación del Grafo: Las dependencias dirigidas se codifican vinculando grupos de hipervectores a lo largo de las aristas del grafo. Esto asegura que los términos de interacción existan solo donde el grafo lo permite, haciendo cumplir el ordenamiento de proceso-a-estructura-a-propiedad y previniendo acoplamientos de atajo.

2. Codificador Escalar-a-Hipervector Entrenable:

   • Una innovación clave es un codificador entrenable que mapea escalares experimentales heterogéneos (con diversas escalas y ruido) a hipervectores.
   • A diferencia del HDC estándar que utiliza proyecciones aleatorias fijas para todas las variables, PSP-HDC aprende incrustaciones específicas de parámetros ($e_j$) sobre una base aleatoria fija de alta dimensión ($B$).
   • Esto permite que el modelo calibre las representaciones de los nodos a las estadísticas específicas de cada cadena de medición antes de la composición del grafo, preservando la tolerancia al ruido del HDC mientras se adapta a la heterogeneidad experimental.

3. Inferencia mediante Memoria Asociativa:

   • Los prototipos de clase se forman agrupando los hipervectores de las muestras de entrenamiento dentro de cada clase.
   • La predicción se realiza recuperando el prototipo de clase con la mayor similitud coseno al hipervector de la muestra de consulta.
   • Esto proporciona una regla de decisión explícita basada en márgenes de similitud.

4. Explicabilidad Intrínseca:

   • Las explicaciones se derivan directamente de las mismas memorias de prototipos utilizadas para la predicción, evitando la reconstrucción post-hoc.
   • Atribución Multinivel: El modelo descompone la evidencia de decisión en:
     • Nivel de parámetro: Contribución de escalares individuales.
     • Nivel de grupo: Contribución de grupos motivados por la física (por ejemplo, composición elemental, morfología de poros).
     • Dentro del grupo: Contribución relativa de parámetros dentro de un grupo específico.
   • Alineación y Separación de Memoria (MAS): Se introduce una nueva métrica para cuantificar la dinámica de aprendizaje. Mide qué tan bien las memorias de componentes se alinean con su prototipo de clase correcto y se separan de los prototipos competidores durante el entrenamiento.

Contribuciones Clave

• Prior Estructural Interno: La introducción de un grafo PSP dirigido definido por el dominio como una restricción computacional en lugar de una anotación externa, convirtiendo la causalidad en un prior estructural para el aprendizaje con datos escasos.
• Marco PSP-HDC: Un modelo HDC estructurado en grafos que hace cumplir la topología PSP mediante enlace/agrupamiento alineado al grafo y realiza la predicción mediante recuperación de prototipos.
• Codificador Adaptativo: Un codificador escalar-a-hipervector entrenable que conecta datos experimentales heterogéneos y ruidosos con el marco HDC mediante incrustaciones específicas de parámetros.
• Explicabilidad Alineada al Grafo: Mecanismos de atribución intrínsecos a nivel de parámetro, grupo y dentro del grupo que proporcionan evidencia de efectos acoplados adecuada para la planificación de procesos.
• Diagnósticos de Aprendizaje: La propuesta de Alineación y Separación de Memoria (MAS) para cuantificar la formación de prototipos y conectar la geometría de la memoria con los márgenes de recuperación.

Resultados Experimentales
El método se evaluó en un conjunto de datos de 60 especímenes fabricados utilizando la plataforma 3D OHMIC (fotoreducción multipotónica de AgNO$_3$). La tarea fue la clasificación binaria de la resistencia de hoja (baja vs. alta).

• Rendimiento con División Aleatoria: PSP-HDC logró una precisión media de 0.910 ± 0.077 sobre 1000 divisiones aleatorias 80/20, superando a líneas base sólidas (SVM, Regresión Logística, Bosques Aleatorios, CNN, GPC) que se agruparon alrededor de 0.875–0.885.
• Generalización por Pliegues de Proceso: Bajo retenciones de régimen (entrenamiento en algunas condiciones de proceso, prueba en otras completamente no vistas), PSP-HDC logró una precisión media de 0.896. Permaneció estable ante cambios de distribución (por ejemplo, diferentes concentraciones de AgNO$_3$ o potencias láser), mientras que muchas líneas base se degradaron significativamente (por ejemplo, cayendo a ~0.5–0.6 en retenciones específicas).
• Dinámica de Aprendizaje: El análisis mostró que el entrenamiento afina la separación de clases no solo moviendo prototipos, sino mejorando la codificación de muestras hacia sus prototipos correctos. Las métricas MAS confirmaron un aumento en la alineación y separación tanto a nivel de parámetro como de grupo.
• Explicabilidad: Las atribuciones revelaron que los resultados de baja resistencia son impulsados por la composición química conjunta y la morfología, mientras que los resultados de alta resistencia son impulsados por la dispersión de la geometría de los poros y las condiciones del proceso, reflejando la naturaleza acoplada de la física.

Significado y Afirmaciones
El artículo afirma que PSP-HDC ofrece una solución robusta para problemas de fabricación con escasez de datos donde la topología de interacción es conocida pero los datos son insuficientes para aprenderla desde cero. Al cambiar de vectores de características planos a composición relacional restringida, el método evita el sobreajuste a correlaciones espurias y proporciona evidencia consciente de la dependencia en lugar de narrativas post-hoc inestables.

Los autores enfatizan que PSP-HDC es un modelo de apoyo a la decisión ligero, no un sustituto de la validación mecanicista. Su fiabilidad depende de un grafo PSP bien construido y descriptores físicamente significativos. El enfoque se presenta como particularmente valioso para el desarrollo de procesos en etapas tempranas, la priorización de experimentos y problemas de automatización donde los datos son escasos pero las estructuras de dependencia son conocidas. El trabajo demuestra que el HDC estructurado en grafos puede recuperar acoplamientos PSP transferibles a partir de conjuntos de datos pequeños y heterogéneos, superando tanto a las cadenas mecanicistas tradicionales como a los modelos estándar basados en datos en regímenes caracterizados por un fuerte acoplamiento y muestras limitadas.