The Generalization Gap in Machine Learning EoS Inference from Core-Collapse Supernova Gravitational Waves

Resumen Técnico: La brecha de generalización en la inferencia de la EoS mediante aprendizaje automático a partir de ondas gravitacionales de supernovas de colapso de núcleo

Planteamiento del problema
Las supernovas de colapso de núcleo (CCSNe) emiten ondas gravitacionales (GW) durante las fases de rebote del núcleo y post-rebote temprano, las cuales portan información sobre la ecuación de estado (EoS) de la materia densa. La literatura reciente ha propuesto el uso de aprendizaje automático (ML) para inferir parámetros de la EoS (específicamente la incompresibilidad nuclear $K_0$, la energía de simetría $J$ y su pendiente $L$) directamente a partir de formas de onda de GW. Sin embargo, estos estudios dependen típicamente de una validación cruzada (CV) aleatoria estándar, donde las formas de onda se distribuyen en conjuntos de entrenamiento y de prueba. Este enfoque conlleva el riesgo de "filtración de plantillas" (template leakage), donde el modelo memoriza variedades geométricas de plantillas de simulación específicas compartidas entre los conjuntos, en lugar de aprender correlaciones físicas transferibles. La cuestión central abordada es si los modelos de ML pueden generalizar robustamente a familias de EoS y configuraciones de rotación enteramente ausentes en el catálogo de entrenamiento, o si su éxito es meramente un artefacto de interpolación dentro de un conjunto de simulaciones finito y disperso.

Metodología
Los autores auditan múltiples arquitecturas de ML (Regresión de Ridge, Bosques Aleatorios, Perceptrón Multicapa y LightGBM) utilizando dos protocolos de validación distintos sobre el catálogo de Richers (1,764 formas de onda axisimétricas que abarcan 21 etiquetas de EoS y 98 perfiles de rotación) y el catálogo de Mitra (402 formas de onda a través de 4 masas de progenitores):

1. CV de 5 pliegues aleatorios: Mezcla estándar de formas de onda.
2. CV de Dejar una EoS Fuera (LOEO): Una estrategia de validación agrupada donde todas las formas de onda de una sola EoS se retienen del entrenamiento y se utilizan exclusivamente para la prueba. Esto se repite para todos los 21 etiquetas de EoS.
3. Extracción de características físicas: Para mitigar la memorización de plantillas de alta dimensión, los autores probaron el uso de observables de baja dimensión e interpretabilidad física: amplitud de rebote ($A_{bounce}$), ancho de rebote ($w_{bounce}$) y frecuencia de pico post-rebote ($f_{peak}$).
4. Tareas comparativas: El estudio contrasta la regresión de EoS con la clasificación de masa de progenitores y la regresión continua de masa (usando validación de Dejar una Masa Fuera) para aislar los efectos de la degeneración física frente a la dispersión del catálogo.
5. Pruebas de estrés: Los modelos fueron evaluados bajo condiciones de ruido de Advanced LIGO (aLIGO) (SNR=100) para evaluar la robustez frente a perturbaciones del detector.

Resultos Clave

• Colapso del rendimiento bajo LOEO: Bajo CV aleatoria, los regresores LightGBM lograron coeficientes de determinación elevados ($R^2 \approx 0.60\text{--}0.70$) para $(K_0, J, L)$. Sin embargo, bajo la validación LOEO, el rendimiento colapsó. Los modelos produjeron valores de $R^2$ agrupados negativos (que oscilaron entre $-0.65$y$-1.06$), lo que indica un rendimiento peor que la simple predicción del valor objetivo global. Los Errores Absolutos Medios (MAE) fueron sustanciales (por ejemplo, $44.57$ MeV para $K_0$).
• Persistencia a través de arquitecturas: Este fallo de generalización fue consistente en modelos lineales, bosques aleatorios, redes neuronales y árboles de decisión potenciados por gradiente.
• Limitaciones de las características físicas: Restringir las entradas a observables físicos de baja dimensión redujo ligeramente la brecha de rendimiento, pero no logró restaurar una inferencia fiable fuera de la distribución. Los valores de $R^2$ de LOEO siguieron siendo negativos y el MAE se mantuvo comparable a las líneas base de la media.
• Degeneración y Dispersión: El fallo se atribuye a dos factores:
  1. Degeneración Física: La señal de rebote es mayormente independiente de la EoS y está dominada por los parámetros de rotación ($T/|W|$). La dependencia de la EoS aparece en las oscilaciones post-rebote, pero las correlaciones entre las características extraídas ($f_{peak}$, etc.) y los objetivos de la EoS son débiles (correlaciones de Spearman $< 0.2$).
  2. Dispersión del Catálogo: El espacio objetivo es disperso (11 tripletos únicos de $(K_0, J, L)$ para 21 etiquetas). Incluso cuando se eliminaron los tripletos de objetivos duplicados mediante la validación "Dejar un Triplete de Objetivo Fuera", el rendimiento no se recuperó, confirmando un problema genuino de transferencia de familias de formas de onda.
• Contraste con la Clasificación de Masa: A diferencia de la regresión de EoS, la clasificación de masa de progenitores generalizó de forma robusta a velocidades de rotación no vistas (la precisión aumentó del $58.7\%$ al $76.1\%$ bajo GroupKFold). Sin embargo, la regresión continua de masa sobre progenitores no vistos falló, comprimiendo las predicciones hacia el interior de la rejilla de masa (por ejemplo, prediciendo $\sim 17 M_\odot$ para una fuente real de $12 M_\odot$).
• Sensibilidad al Ruido: La introducción de ruido de aLIGO suprimió incluso el rendimiento de la CV aleatoria, volviendo los valores de $R^2$ negativos para las entradas de series temporales puras, lo que sugiere que el "éxito" en la CV aleatoria sin ruido depende de estructuras frágiles y específicas de la plantilla.

Significancia y Reivindicaciones
El artículo argumenta que los pipelines actuales de ML para el análisis de GW de CCSN probablemente están sobreajustándose al catálogo de simulaciones específico en lugar de aprender la física subyacente. Los autores afirman que:

1. La validación estándar es insuficiente: La validación cruzada aleatoria produce resultados engañosamente optimistas debido a la filtración de plantillas.
2. Interpolación $\neq$ Inferencia: Los modelos de ML pueden interpolar dentro de los catálogos existentes, pero actualmente no pueden extrapolarse a modelos de EoS o configuraciones de rotación no vistos.
3. Restricciones Físicas: Los observables de GW disponibles son inherentemente degenerados con respecto a los parámetros de la EoS cuando la rotación y la estructura del progenitor varían, lo que hace que la búsqueda directa de forma de onda-a-EoS sea poco fiable sin restricciones adicionales.

Conclusión y Recomendaciones
Los autores concluyen que el ML no debe verse como una tabla de búsqueda directa de "forma de onda a EoS". En su lugar, los futuros pipelines deben adoptar protocolos de validación de "dejar la familia fuera" (como LOEO) como un requisito estándar de reporte. Para lograr una inferencia física robusta, el campo debe avanzar hacia:

• Arquitecturas informadas por la física que condicionen explícitamente la rotación y la información del progenitor.
• Inferencia basada en simulaciones con priors explícitos sobre los parámetros de molestia (nuisance parameters).
• Aprendizaje activo para expandir los catálogos en regiones de alto error de generalización.
• Condicionamiento multi-mensajero (por ejemplo, usando restricciones de neutrinos o electromagnéticas) para romper las degeneraciones.

El artículo sirve como una "auditoría de generalización", advirtiendo que, sin una validación rigurosa fuera de la distribución, la inferencia de parámetros de EoS basada en ML para detectores de tercera generación (como el Einstein Telescope o el Cosmic Explorer) puede producir estimaciones de parámetros excesivamente confiadas y físicamente incorrectas.