Physics-guided Convolutional Neural Network for Domain Growth Prediction in Systems with Conserved Kinetics

Resumen Técnico: Red Neuronal Convolucional Guiada por la Física para la Predicción del Crecimiento de Dominios

Planteamiento del Problema
La evolución espaciotemporal de sistemas físicos complejos, como la separación de fases en mezclas binarias, está gobernada por ecuaciones diferenciales parciales (PDE) no lineales, específicamente la ecuación de Cahn–Hilliard (CH). Los resolvedores numéricos tradicionales (por ejemplo, diferencias finitas, elementos finitos) son computacionalmente costosos y enfrentan desafíos de escalabilidad en arquitecturas modernas. Si bien el aprendizaje automático (ML) ofrece alternativas de modelado sustituto, los enfoques existentes enfrentan limitaciones específicas cuando se aplican a la cinética conservada:

• Redes Neuronales Informadas por la Física (PINNs): Tienen dificultades con las derivadas espaciales de cuarto orden inherentes a la ecuación CH, lo que provoca una propagación de gradiente inestable. También sufren de sesgo espectral, favoreciendo soluciones suaves sobre las interfaces nítidas típicas de la separación de fases, y a menudo fallan al no imponer naturalmente la conservación del parámetro de orden.
• Sustitutos Basados en Datos (por ejemplo, RNNs, CNNs estándar): Aunque son eficientes, estos modelos a menudo fallan en preservar la conservación del parámetro de orden durante los despliegues autorregresivos a largo plazo. Los pequeños errores de predicción se acumulan con el tiempo, lo que conduce a una pérdida gradual de la cantidad conservada y a una dinámica físicamente inconsistente.

Metodología
Los autores proponen una red neuronal convolucional basada en atención y guiada por la física, diseñada específicamente para modelar sistemas con cinética conservada. La metodología integra la arquitectura de aprendizaje profundo con restricciones físicas:

1. Arquitectura: El modelo se basa en una arquitectura Residual U-Net, que comprende una ruta de contracción, un puente central y una ruta de expansión.

   • Bloques Residuales: Cada ruta utiliza bloques residuales que contienen normalización de grupo (GN), activación GeLU y capas convolucionales con relleno circular (circular padding) para facilitar el entrenamiento de redes profundas.
   • Mecanismo de Atención: Se integra un bloque de autoatención en el puente central en la resolución espacial más baja (mayor campo receptivo). Esto permite a la red capturar correlaciones espaciales globales y la evolución morfológica a gran escala, complementando las características convolucionales locales.
   • Upsampling/Downsampling: La red emplea convoluciones con paso (strided convolutions) para el submuestreo (downsampling) y convoluciones transpuestas para el sobremuestreo (upsampling), con conexiones de salto (skip connections) para preservar los detalles espaciales.

2. Función de Pérdida Guiada por la Física: Para imponer la ley de conservación intrínseca de la ecuación CH, el objetivo de entrenamiento incluye una función de pérdida compuesta:

   • Fidelidad de Datos: Error Cuadrático Medio (MSE) entre los campos predichos y los de referencia (ground-truth).
   • Restricción de Conservación: Un término de penalización adicional ($L_{\langle\psi\rangle}$) que minimiza la desviación al cuadrado entre la media espacial del campo predicho y la de referencia. Esto asegura explícitamente la conservación global del parámetro de orden ($\psi$) durante toda la evolución.
   • Pérdida Total: $L = L_{MSE} + \alpha L_{\langle\psi\rangle}$, donde $\alpha$ controla la fuerza de la regularización.

3. Protocolo de Entrenamiento:

   • Generación de Datos: Los datos de entrenamiento se generaron resolviendo numéricamente la ecuación CH adimensional mediante un método de diferencias finitas en una red de $64 \times 64$.
   • Conjunto de Datos: El conjunto de datos incluye 20 trayectorias independientes que cubren composiciones críticas ($\psi_0 = 0$) y fuera de la crítica ($\psi_0 = \pm 0.2, \pm 0.4$) sobre un intervalo de tiempo $t \in [0, 300]$.
   • Tarea: El modelo se entrena para predecir un instante en $t + 100\Delta t$ dado un instante en $t$. La evolución a largo plazo se genera mediante inferencia autorregresiva recursiva.

Resultados Clave
El marco propuesto fue evaluado tanto en mezclas críticas como fuera de la crítica, demostrando una alta fidelidad en la captura de dinámicas complejas:

• Conservación del Parámetro de Orden: El modelo mantiene con éxito la media espacial del parámetro de orden ($\langle\psi\rangle$) constante en el tiempo para composiciones tanto críticas como fuera de la crítica, preservando efectivamente la ley de conservación global incluso durante despliegues de largo plazo.
• Precisión Morfológica:
  • Mezclas Críticas: El modelo reproduce con precisión la morfología bicontinua y el engrosamiento de dominios (domain coarsening). Los errores se confinan principalmente a los límites de los dominios y se acumulan muy lentamente, manteniendo la estabilidad durante horizontes prolongados.
  • Mezclas Fuera de la Crítica: Aunque la precisión se degrada ligeramente más rápido que en los casos críticos debido a la complejidad de la coalescencia y ruptura de gotas, el modelo aún captura la morfología general de las gotas y permanece estable durante escalas de tiempo extendidas.
• Generalización: El modelo, entrenado en sistemas de $64 \times 64$, predice con éxito la dinámica para tamaños de sistema más grandes ($160, 192, 256$) sin una degradación notable en la precisión.
• Consistencia Física:
  • Leyes de Crecimiento: El crecimiento de dominios predicho sigue la ley de Lifshitz–Slyozov ($L(t) \sim t^{1/3}$) con alta precisión, coincidiendo con los resolvedores numéricos tanto para casos críticos como fuera de la crítica.
  • Escalamiento Dinámico: El modelo reproduce la hipótesis de escalamiento dinámico, donde las funciones de correlación $C(r,t)$ colapsan en una curva maestra universal cuando se grafica contra la distancia reescalada $r/L(t)$.
  • Distribuciones Estadísticas: La distribución de probabilidad del parámetro de orden $P(\psi)$ coincide con los resultados numéricos, capturando correctamente la simetría en mezclas críticas y la asimetría en mezclas fuera de la crítica.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto ofrece una alternativa robusta y basada en datos para modelar sistemas con cinética conservada. Su principal significancia radica en la integración explícita de las leyes de conservación física en la función de pérdida, lo que evita la acumulación de errores no físicos comunes en los modelos de ML autorregresivos estándar.

Los autores enfatizan que el modelo no solo logra una precisión píxel a píxel, sino que aprende con éxito los comportamientos estadísticos y dinámicos subyacentes del sistema. Esto incluye:

1. Preservar la cantidad conservada (parámetro de orden) a lo largo de escalas de tiempo largas.
2. Capturar la cinética de crecimiento correcta (ley de Lifshitz–Slyozov).
3. Reproducir el escalamiento dinámico y la evolución morfológica.

Este trabajo sugiere que este enfoque puede extenderse a otros sistemas dinámicos complejos gobernados por cinéticas conservadas, siempre que la ley de conservación específica sea conocida y pueda codificarse en el objetivo de entrenamiento. Los autores señalan que el trabajo futuro podría apuntar a aprender estas leyes de conservación directamente durante el entrenamiento, en lugar de requerirlas como conocimiento previo.