Self-explainable Operator Learning for Discovering Spatial Patterns in Functional Data

Resumen Técnico: Aprendizaje de Operadores Autoexplicable para el Descubrimiento de Patrones Espaciales en Datos Funcionales

Declaración del Problema
El aprendizaje de operadores ha surgido como una herramienta poderosa para modelar sistemas físicos complejos gobernados por ecuaciones diferenciales parciales (PDE) dentro de espacios funcionales. Sin embargo, las arquitecturas de aprendizaje de operadores de vanguardia, como los Operadores Neuronales de Fourier (FNO) y las Redes de Operadores Profundos (DeepONet), funcionan como aproximadores universales de "caja negra" opacos. Sus procesos de entrenamiento complejos y no convexos y sus masivas cantidades de parámetros oscurecen el razonza detrás de sus predicciones, lo que dificulta la confianza científica y el descubrimiento de las leyes físicas subyacentes. Aunque existen métodos de explicabilidad post-hoc (p. ej., SHAP, LIME, Grad-CAM), estos sufren de limitaciones: a menudo son herramientas externas agnósticas al modelo que pueden producir explicaciones conflictivas, carecen de intervalos de confianza inherentes y no logran proporcionar interpretabilidad simultánea tanto a nivel de entrada como de salida. Existe una necesidad crítica de un marco "por diseño" que sea inherentemente interpretable, matemáticamente transparente y capaz de vincular características espaciales específicas en funciones de entrada con patrones correspondientes en funciones de salida sin depender de herramientas de atribución externas.

Metodología
Los autores proponen un marco de aprendizaje de operadores autoexplicable basado en Modelos Lineales Funcionales Generalizados (gFLM). La metodología difiere de los operadores neuronales estándar al reformular el problema de aprendizaje como una combinación lineal de ecuaciones integrales con núcleos aprendibles, en lugar de una red neuronal profunda.

1. Formulación del Modelo:

   • El mapeo entre las funciones de entrada $f(\xi)$ y las funciones de salida (o escalares) $u(x)$ se expresa como una suma de ecuaciones integrales:
     $$u(x) = \sum_{n,m} w_{n,m} \iint \psi_n(x-\zeta, y-\eta) T_m f(\zeta, \eta) \, d\zeta d\eta$$
   • Aquí, $\psi_n$ representa una biblioteca de funciones de núcleo analíticas predefinidas, $T_m$ denota transformaciones de elevación (p. ej., polinómicas, exponenciales) para capturar no linealidades en un espacio de características lineal, y $w_{n,m}$ son coeficientes aprendidos mediante regresión lineal regularizada.
   • A diferencia del trabajo previo que utilizaba la regularización L1 para la dispersión, este marco emplea regularización L2 para asegurar la estabilidad del entrenamiento y retener todos los términos candidatos, lo cual es esencial para el análisis de descomposición posterior.

2. Estrategia de Descomposición Autoexplicable:

   • La innovación central es una estrategia de descomposición post-entrenamiento que aprovecha la naturaleza aditiva del operador integral.
   • El dominio de entrada se particiona en $k$ subdominios (específicamente $k=4$ zonas iguales).
   • El modelo calcula integrales localizadas para cada subdominio de forma independiente. Debido a la linealidad del operador, la salida total es exactamente la suma de estas contribuciones localizadas.
   • Para aislar la influencia de regiones específicas, se aplica un procedimiento de centrado de la media: se resta el valor esperado de la predicción para cada zona (a través del conjunto de datos) de la predicción local. Esto genera "contribuciones zonales" ($\Phi_i$) que revelan cómo las desviaciones en regiones específicas de la entrada impulsan las desviaciones en la salida.

3. Validación y Baselines:

   • El marco se prueba en dos conjuntos de datos basados en la física: flujo sanguíneo pulsátil en un aneurisma cerebral (prediciendo el Esfuerzo de Cizalladura de la Pared o WSS) y aerodinámica transitoria de un perfil alar oscilante (prediciendo los coeficientes de sustentación y resistencia).
   • Su rendimiento se compara con un Operador Neuronal de Fourier (FNO) para la precisión y contra tres métodos post-hoc (Kernel SHAP, Sensibilidad de Oclusión, Grad-CAM) aplicados a una U-Net para la consistencia de la explicabilidad.

Contribuciones Clave

• Explicabilidad Intrínseca: El marco proporciona un sustituto analítico de forma cerrada donde la explicabilidad está integrada directamente en la estructura del modelo. No requiere herramientas externas ni procesamiento post-hoc para interpretar la lógica del modelo.
• Interpretabilidad de Doble Nivel: A diferencia de la mayoría de los métodos XAI que solo resaltan regiones de entrada importantes, este enfoque revela los patrones espaciales en la salida generados por regiones de entrada específicas. Vincula explícitamente los subdominios de entrada con la formación de características de salida.
• Transparencia Matemática: Al utilizar una superposición lineal de operadores integrales con una solución de optimización convexa, el modelo asegura que la predicción total pueda descomponerse exactamente en contribuciones aditivas y localizables físicamente.
• Métricas Cuantitativas: Los autores introducen un método para cuantificar la significancia de las regiones espaciales utilizando coeficientes de correlación de Pearson entre las contribuciones zonales y la predicción total, facilitando el desarrollo de métricas estandarizadas de XAI.

Resultados

• Compromiso entre Precisión e Interpretabilidad: Como era de esperar, el baseline FNO logra una precisión predictiva significativamente mayor (menor Error Absoluto Medio) que el modelo gFLM, particularmente en escenarios complejos de alta frecuencia. El modelo gFLM exhibe errores aproximadamente un orden de magnitud superiores al FNO en algunos casos.
• Fidelidad Cualitativa: A pesar de la menor precisión numérica, el modelo gFLM captura con éxito los patrones espaciales cualitativos dominantes y la evolución temporal de los fenómenos físicos.
• Percepciones Físicas:
  • En el caso del flujo sanguíneo, el modelo identificó que la Zona 3 (una región con fuertes gradientes de velocidad) es el motor principal para predecir el máximo Esfuerzo de Cizalladura de la Pared (WSS), mientras que la Zona 1 y la Zona 2 dominan la predicción del WSS espacialmente promediado y la divergencia, respectivamente. Esto concuerda con los principios conocidos de la dinámica de fluidos donde los gradientes de velocidad impulsan el esfuerzo de cizalladura.
  • En el caso del perfil alar, el modelo identificó con éxito distintas regiones espaciales que influyen en los coeficientes de resistencia y sustentación a diferentes frecuencias de oscilación.
• Consistencia con Métodos Post-hoc: Al compararse con Kernel SHAP y la Sensibilidad de Oclusión aplicados a una U-Net, el marco gFLM mostró una concordancia cualitativa al identificar las regiones más influyentes (por ejemplo, ambos métodos identificaron la Zona 3 como el motor dominante para el WSS). Aunque el ranking de las zonas secundarias difirió ligeramente debido a los distintos mecanismos de los métodos (perturbación frente a descomposición aditiva), la convergencia sobre el motor primario valida la fiabilidad del enfoque propuesto.

Significancia y Reivindicaciones
El artículo afirma que este marco aborda una brecha crítica en el aprendizaje automático científico al proporcionar un enfoque de aprendizaje de operadores matemáticamente transparente y físicamente interpretable. Su importancia radica en:

1. Fomentar la Confianza: Al hacer que el proceso de toma de decisiones del modelo sea simulable y descomponible, permite a los científicos verificar la consistencia con los principios físicos, moviendo el ML de ser un mero sustituto predictivo a un potencial nuevo modelo científico.
2. Eliminar Dependencias Externas: Elimina la necesidad de herramientas post-hoc no fiables y computacionalmente costosas, ofreciendo un mecanismo de explicación autocontenido.
3. Revelar Relaciones Ocultas: Permite el descubrimiento de qué características espaciales específicas en los datos funcionales impulsan las predicciones, ofreciendo información sobre la física subyacente (por ejemplo, la relación entre los gradientes de velocidad y el esfuerzo de cizalladura) sin restricciones físicas previas.

Los autores mantienen una postura modesta, reconociendo que, si bien el modelo sacrifica cierta precisión predictiva en comparación con los operadores neuronales de caja negra, este compromiso es necesario y beneficioso para las aplicaciones científicas donde entender el "por qué" detrás de una predicción es tan crítico como la predicción misma.