Sampling Triangulations and Calabi-Yau Threefolds with Autoregressive GNNs

Resumen Técnico: Muestreo de Triangulaciones y Variedades Calabi-Yau Tridimensionales con GNNs Autoregresivos

Planteamiento del Problema
El artículo aborda el desafío de muestrear triangulaciones finas y regulares (FRTs) de polítopos de retículo. Este es un problema discreto y combinatorio caracterizado por cuatro dificultades clave:

1. Escala: El número de triangulaciones posibles es astronómico (por ejemplo, hasta $10^{180}$ para polígonos relevantes en aplicaciones de teoría de cuerdas).
2. Restricciones: El muestreo debe satisfacer restricciones locales (finura/validez) y restricciones globales (regularidad).
3. Simetría: Los polítopos poseen invariancia bajo $GL(d, \mathbb{Z}) \ltimes \mathbb{Z}^d$, lo que requiere que los muestreadores sean robustos frente al reetiquetado de puntos y transformaciones unimodulares.
4. Sesgo: Los métodos existentes, incluidos algoritmos clásicos (por ejemplo, random triangulations fast, flip walk) y enfoques aprendidos (por ejemplo, CYTransformer), luchan con la escala, la generalidad o la uniformidad. Específicamente, los métodos aprendidos previos a menudo fallan al generalizar a polítopos no vistos o producen muestras sesgadas que se agrupan en regiones específicas del espacio de triangulaciones.

En el contexto de la teoría de cuerdas, este problema es crítico para enumerar variedades Calabi-Yau (CY) tridimensionales. La construcción estándar de Batyrev mapea Triangulaciones Finas, Regulares y Estrella (FRSTs) de polítopos reflexivos 4D a CYs. Sin embargo, este mapeo es de muchos a uno debido a la redundancia en las restricciones de caras 2D. El trabajo previo de los autores estableció que generar FRTs uniformes de polígonos 2D (el "ADN" de la triangulación) permite la construcción directa de CYs no homotópicamente equivalentes, evitando el espacio FRST exponencialmente redundante.

Metodología: dualGNN
Los autores introducen dualGNN, una Red Neuronal Gráfica (GNN) de paso de mensajes autoregresiva diseñada para muestrear FRTs.

• Representación Gráfica: En lugar de operar directamente sobre la triangulación, dualGNN opera sobre un grafo dual generalizado $G$. Los nodos representan símplices candidatos (triángulos en 2D) y las aristas conectan símplices que comparten una faceta sin interior superpuesto.
• Características de las Aristas (Circuitos Signados): La innovación central es etiquetar las aristas con "circuitos signados" ($\lambda$). Estos son invariantes combinatorios de la teoría de matroides orientados que representan dependencias lineales entre los puntos de retículo de símplices adyacentes.
  • Matemáticamente, para una matriz $A$ de puntos de retículo, $\lambda$ satisface $A\lambda = 0$ y $\sum \lambda_i = 0$.
  • Crucialmente, estos vectores codifican las restricciones del "cono secundario". Una triangulación es regular si y solo si su cono secundario es de dimensión completa; por lo tanto, los circuitos signados exponen directamente la señal de regularidad al modelo.
  • La codificación es invariante bajo el grupo de simetría que preserva la orientación $SL(d, \mathbb{Z}) \ltimes \mathbb{Z}^d$.
• Arquitectura:
  • Muestreo Autoregresivo: El modelo procesa el grafo en etapas. En cada paso, predice una distribución de probabilidad sobre símplices candidatos para añadir a una triangulación parcial.
  • Enmascaramiento: Una vez que se muestrea un símplice, los símplices incompatibles (aquellos que causan superposiciones) se enmascaran. Este diseño garantiza que la salida sea siempre una triangulación fina (en 2D), ya que cualquier región sin cubrir en 2D admite una finalización válida.
  • Entrenamiento: El modelo se entrena con prefijos aleatorios de triangulaciones utilizando pérdida de entropía cruzada. Para optimizar la uniformidad, los autores emplean un proceso de dos etapas: preentrenamiento supervisado seguido de ajuste fino utilizando REINFORCE con una recompensa de maximización de entropía.
• Generalización: El modelo es independiente del número de puntos ($N_{pts}$) en el polítopo y no tiene un vocabulario fijo, lo que le permite generalizar cero-disparo (zero-shot) a polígonos no vistos de diferentes tamaños y formas.

Contribuciones Clave

1. Arquitectura Novel: La introducción de una GNN que utiliza circuitos signados como características de arista para codificar tanto la estructura combinatoria (matroide orientado) como las restricciones de regularidad de las triangulaciones.
2. Uniformidad y Generalización: El modelo logra el muestreo más uniforme entre los métodos probados, incluidos los baselines clásicos y los enfoques basados en transformadores. Generaliza cero-disparo a través de diferentes polígonos, una capacidad que carecían los métodos aprendidos previos como CYTransformer.
3. Eficiencia: El modelo es pequeño ($\sim92$k parámetros), se entrena en $\sim7.5$ horas en una sola GPU de consumo y se ejecuta en hardware estándar (por ejemplo, M1 MacBook Pro).
4. Aplicación en Teoría de Cuerdas: Los autores aplican dualGNN para muestrear variedades Calabi-Yau tridimensionales con números de Hodge ($h^{1,1}$) significativamente más altos que los previamente posibles con métodos aprendidos.

Resultados

• Clasificación de Regularidad: Como clasificador, dualGNN alcanza una precisión $>99\%$ en distinguir triangulaciones regulares de irregulares, confirmando que las características de circuito codifican exitosamente la regularidad.
• Uniformidad de Muestreo (2D):
  • En un polígono con $\sim4 \times 10^5$ FRTs, dualGNN logra una divergencia KL menor hacia la distribución uniforme que todos los baselines (incluyendo flip walk y grow2d) después de $10^6$ muestras.
  • En un polígono más grande ($[0,4]^2$) con $\sim7 \times 10^8$ FRTs, un modelo entrenado cero-disparo en un polígono diferente logra conteos de colisiones y divergencia KL casi indistinguibles de un muestreador uniforme verdadero y flip walk, a pesar de no tener exposición previa al polígono objetivo.
  • Las pruebas de autocorrelación muestran que las muestras de dualGNN son consistentes con una distribución uniforme, mientras que los métodos de cadenas de Markov (flip walk) muestran correlación significativa en retardos bajos.
• Muestreo de Alta-$h^{1,1}$:
  • $h^{1,1} = 86$: El modelo muestrea triangulaciones de caras 2D uniformemente, permitiendo la generación de 10,000 CYs distintos. Estas muestras muestran una "distancia de flop" media (una métrica de diversidad geométrica) de 130.2, significativamente mayor que los 45.7 observados con el método sesgado random triangulations fast.
  • $h^{1,1} = 128$: El modelo muestrea exitosamente triangulaciones de caras 2D para polígonos con hasta 35 puntos ($N_{pts}$), superando todas las pruebas de uniformidad disponibles (cero colisiones, baja divergencia KL para caras más pequeñas). Esto representa una mejora de un orden de magnitud sobre los métodos aprendidos previos (que estaban limitados a $h^{1,1} \le 10$).
  • Las muestras de CY resultantes son demostrablemente más diversas (mayores distancias de flop) que las generadas por métodos sesgados estándar.

Significado y Afirmaciones
El artículo afirma que dualGNN representa un avance significativo en el muestreo de estructuras combinatorias restringidas. Al aprovechar la estructura matemática de los matroides orientados (a través de circuitos signados), el modelo respeta las simetrías del problema y aprende las restricciones globales de regularidad directamente desde las características locales de las aristas.

Los autores enfatizan que este enfoque permite:

• Generalización cero-disparo: Un solo modelo entrenado en un subconjunto de polígonos puede muestrear FRTs para polígonos no vistos y más grandes.
• Escalabilidad: El método escala a los polígonos más grandes relevantes para aplicaciones de teoría de cuerdas (hasta $N_{pts} \approx 40$ en el régimen probado, con una arquitectura que soporta tamaños mayores).
• Uniformidad: Proporciona la primera demostración de muestreo uniforme de CY en números de Hodge significativamente superiores a $h^{1,1}=10$, validado en $h^{1,1}=86$ y superando diagnósticos en $h^{1,1}=128$.

Los autores notan modestamente que, aunque el modelo es empíricamente uniforme y supera todos los diagnósticos probados, no hay garantías teóricas de uniformidad. Además, la garantía de generar triangulaciones finas es específica de 2D; aunque la arquitectura se generaliza a dimensiones superiores, la garantía de finura depende de una propiedad geométrica única de 2D. El trabajo sugiere que esta estrategia de codificación basada en matroides podría ser aplicable a otros dominios que involucren matroides orientados, como la programación lineal y los arreglos de hiperplanos, aunque la aplicación inmediata sigue siendo en teoría de cuerdas.