High-Dimensional Bayesian Calibration of Expensive Nuclear Models with Differentiable Emulation

Este artículo presenta DREAM, una estrategia de emulación diferenciable que permite la calibración bayesiana eficiente basada en gradientes de modelos nucleares costosos mediante la compresión fuera de línea de operadores heredados dependientes de parámetros, permitiendo así que los métodos de Monte Carlo Hamiltoniano converjan rápidamente en posteriores de alta dimensión con gradientes de verosimilitud exactos al mínimo costo computacional.

Lo esencial

El Gran Problema: La "Caja Negra" y la "Búsqueda a Ciegas"

Imagina que estás intentando ajustar una máquina muy compleja y costosa (como un modelo de física nuclear) para que coincida con datos del mundo real. Esta máquina tiene 18 perillas diferentes que puedes girar (parámetros) para cambiar su comportamiento.

El problema es doble:

1. Es lenta: Girar las perillas y ver qué sucede toma mucho tiempo (minutos por cada intento).
2. Es una "Caja Negra": La máquina fue construida hace años utilizando código antiguo. Te dice el resultado, pero se niega a decirte hacia qué lado girar las perillas para obtener un mejor resultado. No ofrece "gradientes" (pistas de dirección).

Debido a que la máquina no da pistas, los científicos tienen que usar un método de "búsqueda a ciegas". Prueban combinaciones aleatorias de perillas, comprueban el resultado y esperan acercarse al objetivo. Para encontrar la configuración perfecta en un espacio con 18 perillas, podrían necesitar probar la máquina 100,000 veces. A minutos por intento, esto tomaría días o semanas de tiempo de computación, e incluso así, podrían quedarse estancados en un punto "suficientemente bueno" local en lugar de encontrar el mejor punto.

La Solución: DREAM (La Estrategia del "Mapa Inteligente")

El autor presenta un nuevo método llamado DREAM. Piensa en esto como la construcción de un mapa de alta velocidad y con GPS del comportamiento de la máquina antes de comenzar tu viaje.

Así es como funciona DREAM en dos pasos:

Paso 1: La Fase de "Instantánea" Fuera de Línea (Creando el Mapa)
Antes de realizar cualquier cálculo real, el autor ejecuta la vieja y lenta máquina en cientos de configuraciones diferentes en una cuadrícula.

• La Analogía: Imagina tomar una foto de la máquina en cada combinación posible de perillas.
• El Truco: En lugar de guardar cada una de las fotos (lo cual genera demasiados datos), el autor utiliza una técnica de compresión matemática (llamada SVD) para darse cuenta de que todas estas fotos son en realidad variaciones leves de unas pocas "imágenes maestras".
• El Resultado: Crean un "diccionario" diminuto y comprimido de cómo se comporta la máquina. Esto se hace una sola vez y toma unos 37 minutos.

Paso 2: La Fase "En Tiempo Real" En Línea (Conduciendo el Coche)
Ahora, cuando la computadora necesita probar una nueva configuración durante la búsqueda:

• La Analogía: En lugar de conducir la máquina lenta, la computadora consulta su "diccionario" y reconstruye instantáneamente lo que la máquina habría hecho con esa configuración.
• El Superpoder: Debido a que esta reconstrucción está construida con matemáticas diferenciables modernas (como el motor de un videojuego inteligente), la computadora no solo obtiene el resultado, sino que sabe instantáneamente exactamente hacia qué lado girar las perillas para mejorar el resultado.
• La Velocidad: Esto sucede en menos de un milisegundo (0.001 segundos).

El Resultado: De Días a Minutos

Al utilizar este "Mapa Inteligente", el autor reemplazó la búsqueda a ciegas por una búsqueda guiada (llamada Monte Carlo Hamiltoniano).

• Forma Antigua: Una búsqueda a ciegas intentando 100,000 veces tomaría días y aun así podría perderse.
• Forma DREAM: La búsqueda guiada encontró la respuesta perfecta en 27 minutos en una sola tarjeta gráfica.
• Precisión: El "mapa" fue tan preciso que los errores ínfimos del mapa fueron 20 veces más pequeños que la incertidumbre natural del modelo de física. Esto significa que el resultado es confiable y no es solo un artefacto del atajo.

¿Qué Encontraron Realmente?

El autor probó esto en una reacción nuclear específica: un deuterón (un núcleo de hidrógeno pesado) chocando contra un átomo de Níquel-58.

1. La Física: Lograron mapear cómo el deuterón es "absorbido" por la superficie del átomo de níquel.
2. El Descubrimiento: Encontraron que la "absorción superficial" (cómo el átomo se come al deuterón) es aproximadamente un 40% más fuerte de lo que predecían los modelos estándar anteriores.
3. La Asimetría: Encontraron una diferencia significativa entre cómo interactúan los protones y los neutrones con la superficie. Sin embargo, el autor es cuidadoso al decir que esto es un "beneficio representativo" del método, no una ley de la física final y asentada. Sugiere que, para estar seguros, este método debe aplicarse a más conjuntos de datos (diferentes energías) en el futuro.

La Conclusión Final

El artículo no pretende haber resuelto toda la física nuclear. En cambio, afirma haber construido una herramienta universal que permite a los científicos utilizar métodos de búsqueda basados en gradientes, rápidos y potentes, en modelos nucleares antiguos, lentos y de "caja negra".

• La Metáfora: Es como tomar un coche viejo y lento que no tiene GPS y construirle un sistema de navegación en tiempo real. No cambias el motor del coche; simplemente le das un cerebro que sabe exactamente hacia dónde ir, convirtiendo un viaje de varios días en un trayecto de 27 minutos.

El autor concluye que este método funciona para cualquier modelo nuclear donde los parámetros cambien de forma suave, abriendo la puerta a un análisis mucho más preciso y rápido de reacciones nucleares complejas en el futuro.

Resumen técnico

Resumen Técnico: Calibración Bayesiana de Alta Dimensionalidad de Modelos Nucleares Costosos con Emulación Diferenciable

Planteamiento del Problema
La calibración Bayesiana completa de modelos nucleares costosos ha sido históricamente impracticable debido a dos obstáculos compuestos. Primero, las evaluaciones de la verosimilitud requieren resoluciones de mecánica cuántica costosas (que a menudo toman minutos por evaluación). Segundo, los operadores dependientes de los parámetros dentro de estos resolvedores están típicamente implementados en códigos heredados (legacy) (por ejemplo, Fortran) que no proporcionan información de gradiente. Sin gradientes de verosimilitud exactos, los muestreadores deben depender de métodos libres de gradiente (por ejemplo, muestreadores de ensamble afín-invariantes), los cuales se degradan drásticamente en posteriores de alta dimensionalidad y correlacionados. Esto obliga a los enfoques libres de gradiente a requerir del orden de $10^5$ evaluaciones para explorar el espacio de parámetros, lo que hace que la inferencia Bayesiana completa sea computacionalmente prohibitiva para modelos complejos como los de canales acoplados o sistemas de muchos cuerpos.

Metodología: El Marco DREAM
El artículo introduce DREAM (Differentiable Reduced-basis Emulator with Automatic gradients for Markov-chain inference), una estrategia diseñada para permitir la inferencia Bayesiana basada en gradientes para operadores heredados no afines y costosos. El marco opera en dos etapas distintas:

1. Etapa Fuera de Línea (Precomputación):

   • El operador dependiente de los parámetros es tratado como una caja negra. Se muestrea en una rejilla densa de parámetros utilizando el código heredado.
   • El conjunto resultante de "instantáneas" (snapshots) (representaciones matriciales del operador) se comprime mediante la Descomposición en Valores Singulares (SVD).
   • Crucialmente, la compresión se aplica al operador mismo, no solo a un observable sustituto. Para la aplicación específica (Canales Acoplados Discretizados por el Continuo, CDCC), el potencial óptico reducido se descompone en una parte independiente de los parámetros y una suma de factores de forma multiplicados por parámetros de profundidad lineales. La dependencia geométrica no lineal se captura en las matrices de los factores de forma, las cuales se comprimen en una base de bajo rango (modos POD) y coeficientes de expansión escalares.

2. Etapa En Línea (Inferencia):

   • El resolvedor heredado nunca se llama durante la inferencia. En su lugar, un motor diferenciable (implementado en JAX) reconstruye el operador para cualquier vector de parámetros propuesto $\Omega$.
   • Reconstrucción: Los coeficientes escalares de la SVD se interpolan (usando interpolación bilineal) basándose en los parámetros de geometría propuestos para reconstruir el operador reducido $V_{red}(\Omega)$.
   • Resolución: El sistema de Galerkin reducido se resuelve utilizando álgebra lineal directa.
   • Diferenciación: Todo el flujo de trabajo —desde la interpolación hasta el ensamblaje de matrices, la resolución lineal y la evaluación de la verosimilitud— está compuesto por operaciones automáticamente diferenciables. La diferenciación automática de modo inverso (AD) se aplica a través de la resolución lineal mediante diferenciación implícita. Esto permite el cálculo del gradiente de verosimilitud exacto $\nabla_\Omega \mathcal{L}$ con respecto a todos los parámetros al costo de solo una resolución directa adicional, independientemente de la dimensión del parámetro $N$.
   • Muestreo: Los gradientes exactos permiten el uso de Monte Carlo Hamiltoniano (HMC) y el muestreador No-U-Turn Sampler (NUTS), que escalan eficientemente con la dimensionalidad, a diferencia de los mezcladores libres de gradiente.

Contribuciones Clave

• Diferenciabilidad a Nivel de Operador: La construcción es a nivel de operador, requiriendo únicamente que el operador dependiente de los parámetros varíe con la suficiente suavidad como para admitir una descomposición SVD de bajo rango. No requiere modificar el resolvedor de física subyacente ni derivar derivadas analíticas del código heredado.
• Gradientes Exactos vía Diferenciación Implícita: El artículo demuestra cómo obtener gradientes de verosimilitud exactos para una resolución lineal dentro de un marco diferenciable, evitando la sobrecarga de memoria de la retropropagación (back-propagation) ingenua a través de resolvedores iterativos.
• Flujo de Trabajo Integrado: DREAM combina la emulación de base reducida (para velocidad) con la diferenciación automática (para gradientes), creando un flujo de trabajo donde la precisión del emulador se cuantifica directamente contra el código heredado, y los gradientes son exactos con respecto al emulador.

Resultados: Dispersión Elástica de $d$ + $^{58}$Ni
El marco se demostró en un análisis de CDCC de dispersión elástica de deuterón ($d$) + $^{58}$Ni a 21.6 MeV, involucrando 18 parámetros de potencial óptico.

• Rendimiento: El muestreo NUTS convergió en una sola GPU en aproximadamente 27 minutos con 24,000 muestras post-calentamiento (warmup) y cero transiciones divergentes. En contraste, un muestreador libre de gradiente partiendo desde el mismo punto falló en converger correctamente, produciendo medias marginales sesgadas (hasta 3.4$\sigma$) mientras no activaba alarmas de convergencia.
• Precisión: Se encontró que el error medio del emulador es más de un orden de magnitud menor que la discrepancia del modelo inferida ($\beta \approx 0.076$). Por consiguiente, la distribución posterior está gobernada por la física del modelo de reacción y no por la aproximación del sustituto.
• Hallazgos Físicos: La posterior calibrada restringió la absorción superficial promedio del deuterón a $\bar{W}_d = 11.7 \pm 0.8$ MeV, aproximadamente un 40% mayor que la sistemática de Koning-Delaroche. También apoyó una asimetría sustancial de protón/neutrón en la absorción superficial, aunque los autores señalan que esta es una extracción dependiente del modelo que requiere datos de múltiples energías para su confirmación. La discrepancia del modelo se infirió en $\sim 8\%$, muy por debajo de la incertidumbre experimental.

Significancia y Reivindicaciones
El artículo afirma que el cuello de botella principal para la calibración Bayesiana completa no es el costo de una sola resolución, sino la ausencia de gradientes de verosimilitud exactos para los operadores heredados. DREAM resuelve esto haciendo que los operadores heredados costosos y no afines sean diferenciables sin necesidad de reescribir el código de física subyacente.

Los autores posicionan este trabajo como una prueba de concepto metodológica. Establecen explícitamente que la aplicación de CDCC demuestra que el marco es "funcional de extremo a extremo" para calibraciones previamente inaccesibles para la inferencia basada en gradientes. El artículo no pretende que los resultados físicos específicos (por ejemplo, la asimetría) sean interpretaciones finales; más bien, se presentan como un "pago representativo" que muestra cómo el marco puede refinar conjuntos de datos de múltiples energías hacia interpretaciones físicas completas. Los autores enfatizan que la construcción es portable a cualquier modelo donde el operador dependiente de los parámetros admita compresión SVD de bajo rango, incluyendo calibraciones de potencial óptico de múltiples energías y múltiples observables, aunque reconocen que aplicar esto a elementos de matriz de estructura nuclear de alta dimensionalidad (por ejemplo, con cortes de momento no afines) sigue siendo una cuestión abierta para trabajos futuros.