Resumen Técnico: STEMGYM

Planteamiento del Problema

La obtención de imágenes científicas autónomas en la Microscopía Electrónica de Transmisión de Barrido (STEM) opera bajo una restricción fundamental: cada medición deposita una dosis de electrones, lo que causa daños irreversibles en la muestra mediante el desplazamiento por impacto (knock-on), radiólisis y calentamiento. Esto es particularmente crítico para materiales sensibles al haz, como los calcogenuros 2D. La hipótesis prevalente en el campo postula que la navegación adaptativa (por ejemplo, optimización bayesiana, aprendizaje por refuerzo) es la principal palanca para mejorar la eficiencia de la dosis al concentrar las mediciones en regiones de alta información. Sin embargo, ha sido difícil rastrear el progreso debido a la falta de estándares de referencia (benchmarks). Los estudios existentes utilizan especímenes, instrumentos, presupuestos de dosis y definiciones de tareas incompatibles, lo que hace imposible aislar si las ganancias de rendimiento provienen de la estrategia de navegación, del proceso de percepción (análisis) o de la lógica de planificación. Además, no existe un estándar de referencia comunitario para STEM análogo a CryoBench para Cryo-EM.

Metodología

Los autores presentan STEMGYM, un estándar de referencia compatible con Gymnasium, de código abierto, diseñado para desacoplar y evaluar los componentes del proceso de adquisición autónoma bajo un presupuesto de dosis unificado.

1. Entorno y Generación de Mundos

• Simulación: El estándar utiliza la simulación multislice PRISM (vía abTEM) para generar 15 mundos de STEM simulados físicamente.
• Materiales: Cinco sistemas de materiales que abarcan cuatro familias de estructuras cristalinas:
  • Perovskitas: SrTiO₃ (vacantes de frontera de grano) y BaTiO₃ (fronteras de fase ferroeléctrica).
  • Semiconductores: Si/Ge (gradientes composicionales) e InGaN (pozos cuánticos de GaN).
  • Metales: Nanopartículas de Pt sobre carbono amorfo.
• Niveles de Dificultad: Tres niveles (Fácil, Medio, Difícil) definidos por tasas de vacantes, configuraciones de fonones y niveles de dosis previstos (que oscilan entre $10^3$ y $10^4$ e Å⁻²).
• Definiciones de Tareas: Cuatro tareas de caracterización:
  • Censo de Defectos: Contar y localizar vacantes/sustituciones (puntuación F1).
  • Mapeo de Fases: Identificar fases cristalinas (IoU).
  • Caracterización Dirigida: Localizar defectos específicos (F1 espacial).
  • Censo de Partículas: Detectar y dimensionar nanopartículas (puntuación compuesta).

2. Métrica: Área de la Curva de Eficiencia de Dosis (DEC-AUC)

Para evaluar el rendimiento, los autores proponen la DEC-AUC, una métrica escalar única que captura la frontera de Pareto entre la información (puntuación de la tarea) y la dosis.

• El agente opera bajo un presupuesto de dosis estricto ($B$).
• La Curva de Eficiencia de Dosis $s(f)$ grafica la puntuación esperada de la tarea frente a la fracción de dosis consumida $f$.
• DEC-AUC es el área bajo esta curva, integrando tanto la precisión final como la velocidad de convergencia. Esto evita la "discontinuidad de orden" de las métricas de tiempo-hasta-umbral, donde los agentes pueden no alcanzar una puntuación alta dentro del presupuesto.

3. Configuraciones de Agentes

El estudio evalúa 33 configuraciones de agentes para realizar una descomposición causal del proceso de adquisición:

• Baselines Naífos: Muestreo aleatorio, escaneo de barrido (raster scanning) y navegación GP-UCB (Gaussian Process Upper Confidence Bound), todos emparejados con un analista heurístico simple.
• Baselines Equipados: Las mismas políticas de navegación emparejadas con un analista neuronal entrenado (ensamble U-Net para búsqueda de átomos, CNN para clasificación de defectos, ResNet para identificación de fases).
• Agentes Complejos: STEMAgent (un sistema multi-agente con navegación GP-UCB, analista neuronal y un planificador de Máquina de Estados Finitos), agentes de Aprendizaje por Refuerzo (DQN, PPO, SAC) y agentes de Modelos de Lenguaje Visual (VLM) (ej. Claude, Gemini, Llama).
• Variantes de Control: Ablaciones de STEMAgent (eliminación del planificador, estimación de incertidumbre) y baselines de detección comprimida (compressed sensing).

Resultados Clave

1. La Percepción Domina a la Navegación

El hallazgo más significativo es que el analista (percepción) es el determinante dominante de la eficiencia de la dosis, no el navegador.

• Magnitud de la Ganancia: Emparejar un analista CNN entrenado con un escaneo de barrido trivial aumenta la DEC-AUC en 5.5× en comparación con un escaneo de barrido con un heurístico naíf (0.287 vs. 0.052 en el censo de defectos).
• Insignificancia de la Navegación: Una vez que se proporciona un analista capaz, sustituir el escaneo de barrido por estrategias adaptativas (GP-UCB bayesiano o planificación basada en FSM) no produce ninguna ganancia estadísticamente significativa. Los valores de DEC-AUC para Raster+Analista, GP-UCB+Analista y STEMAgent son estadísticamente indistinguibles (p > 0.05).
• Fuente de Varianza: La varianza en el rendimiento es impulsada por la heterogeneidad de materiales entre mundos y la capacidad del analista, no por la estocasticidad de la política de navegación.

2. Generalización y Especialización

• Especificidad de Material: El analista entrenado funciona bien en perovskitas (SrTiO₃, BaTiO₃) pero falla en materiales no perovskíticos (SiGe, GaN) y nanopartículas cuando no ha sido entrenado específicamente para ellos.
• Rendimiento de los VLM: Los Modelos de Lenguaje Visual (VLM) de nivel de producción rinden aproximadamente 13× por debajo de las CNN específicas de la tarea en el análisis de defectos cristalográficos. Sin embargo, los VLM sobresalen en el censo de nanopartículas de Pt (donde las CNN obtienen una puntuación de 0.000 debido a la especialización arquitectónica), lo que sugiere la necesidad de enrutadores de percepción híbridos en lugar de un único modelo universal.
• Aprendizaje por Refuerzo: Los agentes de RL (DQN, PPO, SAC) entrenados sin un analista entrenado funcionan cerca de un muestreo aleatorio. Cuando se equipan con el analista, SAC se aproxima al rendimiento de Raster+Analista, mientras que PPO colapsa, indicando que la elección del algoritmo importa menos que la presencia de un módulo de percepción competente.

3. Robustez

• Sensibilidad al Presupuesto: La superioridad de la configuración "Raster + Analista Entrenado" se mantiene a través de un rango de presupuesto de dosis de 50× (1,000 a 50,000 e Å⁻²).
• Validación con Datos Reales: Una comprobación de coherencia en adquisiciones reales de BiFeO₃ dopado con Sm confirma que la dirección "equipado vs. naíf" se preserva, aunque las puntuaciones absoltas caen debido a la brecha de dominio sim-to-real.

Significado y Reivindicaciones

El artículo afirma redefinir la inversión de esfuerzos de aprendizaje automático en la microscopía electrónica autónoma:

1. Cambio de Enfoque: El enfoque de la comunidad en desarrollar estrategias de navegación adaptativa complejas es erróneo si el proceso de percepción es débil. La "palanca principal" para la eficiencia de la dosis es el análisis, no la navegación.
2. Infraestructura de Benchmarking: STEMGYM proporciona el primer protocolo estandarizado para aislar las contribuciones de la percepción, la navegación y la planificación, abordando un cuello de botella primario para la adopción de ML identificado por el Microscopy Hackathon.
3. Limitación de Bucle Abierto: Los resultados se aplican específicamente a navegadores de bucle abierto (donde las decisiones de adquisición no condicionan las predicciones del analista). Los autores señalan que cerrar el bucle (usar la incertidumbre del analista para guiar la navegación) sigue siendo una dirección abierta para ganancias futuras, pero la evidencia actual sugiere que simplemente "mirar en todas partes" con un analista inteligente es actualmente más efectivo que "mirar selectivamente" con un analista torpe.

Los autores concluyen que, para la STEM autónoma, la prioridad debe ser el desarrollo de modelos de percepción robustos y generalizables y arquitecturas híbridas que enruten hacia el analista apropiado, en lugar de optimizar las políticas de navegación de forma aislada.