⚛️ quantum physics

Interpretable Activation-Selection Neural Networks for Symbolic Regression of Parameter-Dependent Hamiltonian Eigenvalues

Este artículo presenta una red neuronal de selección de activación interpretable que impone la homogeneidad dimensional para derivar expresiones simbólicas explícitas y compactas de los autovalores de un Hamiltoniano dependiente de parámetros, demostrando su eficacia para capturar estructuras de la teoría de perturbaciones en sistemas de cadenas de espines al tiempo que señala que su precisión iguala, en lugar de exceder, a la de modelos de base fija bien seleccionados.

Autores originales: Alexander Yu. Kharin, Kirill F. Sheberstov

Publicado 2026-08-27

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Alexander Yu. Kharin, Kirill F. Sheberstov

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de la física, los científicos suelen recurrir a potentes ordenadores para resolver problemas complejos que son demasiado difíciles de descifrar solo con papel y lápiz. Al estudiar partículas diminutas como átomos o moléculas, estos ordenadores pueden calcular respuestas exactas procesando cantidades masivas de números. Sin embargo, estas respuestas numéricas suelen presentarse como un muro de datos difícil de interpretar. Nos dicen qué sucede, pero rara vez explican por qué. Para comprender verdaderamente las reglas que gobiernan la naturaleza, los físicos prefieren encontrar fórmulas matemáticas sencillas y compactas que describan cómo influyen diversos factores entre sí. Estas fórmulas revelan patrones ocultos, simetrías y las leyes fundamentales que impulsan el universo. El desafío siempre ha sido encontrar una manera de tender un puente entre los números brutos y precisos de un ordenador y las ecuaciones elegantes y legibles que los científicos realmente pueden utilizar para obtener conocimiento.

Un equipo de investigadores ha desarrollado un nuevo método para construir este puente, utilizando un tipo de inteligencia artificial diseñada para actuar como un traductor entre los datos brutos y las matemáticas legibles para el ser humano. Se centraron en un problema específico relacionado con los niveles de energía de cadenas diminutas de partículas, que son relevantes para una técnica llamada resonancia magnética nuclear utilizada para estudiar moléculas. En estos sistemas, la energía de las partículas depende de la fuerza con la que interactúan con sus vecinos. Aunque un ordenador puede calcular con precisión los valores de energía exactos para cualquier conjunto dado de interacciones, encontrar una fórmula sencilla que describa estos valores para todas las condiciones posibles es notoriamente difícil. Los investigadores crearon un tipo especial de red neuronal, un programa informático inspirado en el cerebro, que no solo predice números, sino que busca activamente la mejor expresión matemática posible para describirlos.

El núcleo de su enfoque consiste en una biblioteca de bloques de construcción matemáticos básicos, como el cero, una variable en sí misma y la variable al cuadrado. La red es entrenada para observar los datos de entrada y decidir qué bloques de construcción utilizar en cada paso para construir la respuesta final. Es como darle a un estudiante un conjunto de piezas de Lego y pedirle que construya una estructura que coincida perfectamente con una forma compleja, pero con la condición adicional de que el estudiante también debe escribir las instrucciones exactas de cómo unió las piezas. Los investigadores entrenaron este sistema con datos generados a partir de simulaciones por ordenador de cadenas de tres y cuatro partículas. Primero convirtieron los números físicos brutos en proporciones adimensionales, un paso que asegura que las fórmulas resultantes tengan sentido independientemente de las unidades de medida específicas utilizadas. Esta normalización ayudó a la red a centrarse en las relaciones subyacentes en lugar de confundirse por la escala de los números.

Cuando los investigadores probaron su sistema en la cadena de tres partículas, la red aprendió con éxito a producir fórmulas compactas que coincidían con los datos generados por el ordenador con una alta precisión. Estas fórmulas eran expresiones cuadráticas sencillas, lo que significa que involucraban términos hasta la segunda potencia, y capturaron el comportamiento general de los niveles de energía a través de un amplio rango de condiciones. La red logró seleccionar la combinación correcta de términos de forma automática, redescubriendo efectivamente la estructura de la solución sin que se le dijera exactamente qué buscar. Sin embargo, los investigadores también encontraron una limitación crucial. Cuando compararon los resultados de la red con un método estadístico estándar que simplemente ajusta una curva a los datos utilizando un conjunto de términos matemáticos preseleccionados, el método estándar funcionó igual de bien, o incluso ligeramente mejor. Esto sugiere que, si bien la red es excelente para encontrar la fórmula adecuada cuando la respuesta es un polinomio sencillo, no posee inherentemente una capacidad mágica para superar a los métodos tradicionales si el tipo de fórmula correcto ya se conoce.

El estudio también exploró escenarios más complejos, como la cadena de cuatro partículas, donde las interacciones crean una red más intrincada de niveles de energía. Aquí, la red volvió a tener éxito al producir fórmulas sencillas y legibles que describían simultáneamente los ocho diferentes niveles de energía. Identificó correctamente que los niveles de energía se dividían en dos grupos distintos y capturó la forma en que se curvaban a medida que las interacciones cambiaban. No obstante, incluso en este caso más complejo, el rendimiento de la red fue comparable al de un enfoque directo de ajuste de curvas. Los investigadores señalaron que la red tuvo dificultades para reproducir ciertas características nítidas y no suaves que aparecen exactamente donde los niveles de energía se cruzan o se tocan, debido a que las herramientas matemáticas que se le proporcionaron estaban limitadas a curvas suaves. Esto resalta que la red es tan buena como la biblioteca de funciones de la que se le permite elegir; si la respuesta verdadera requiere un tipo de matemática que no está en la biblioteca, la red no puede inventarla.

El hallazgo más significativo de este trabajo no es que la nueva red sea un calculador superior, sino que ofrece una forma diferente de abordar el problema. Demuestra que una máquina puede ser entrenada para seleccionar y combinar funciones matemáticas de manera que resulte en una ecuación clara y explícita, en lugar de ser solo una "caja negra" que escupe números. Esto es particularmente valioso cuando los científicos no saben de antemano qué forma matemática tomará la respuesta. La red actúa como una guía, sugiriendo qué términos son importantes y cuáles pueden ignorarse, convirtiendo un mar de datos en una declaración concisa de la ley física. Aunque no superó la precisión de los métodos tradicionales cuando la forma matemática correcta ya era conocida, demostró que es posible automatizar el descubrimiento de estas formas. Los investigadores concluyen que este enfoque es una herramienta poderosa para generar modelos interpretables, siempre que la biblioteca de funciones matemáticas disponibles se elija cuidadosamente para que coincida con la realidad física del problema estudiado.

Al final, el trabajo sirve como una prueba de concepto para un nuevo tipo de herramienta de descubrimiento científico. Muestra que la inteligencia artificial puede dirigirse para producir resultados que no solo sean precisos, sino también comprensibles para los científicos humanos. Al convertir simulaciones numéricas complejas en expresiones algebraicas sencillas, el método ayuda a los investigadores a ver el bosque detrás de los árboles, revelando las leyes de escala fundamentales y las simetrías que de otro modo podrían permanecer ocultas en el ruido de los datos brutos. Los investigadores enfatizan que esto es un paso adelante para hacer que el aprendizaje automático sea más transparente y útil para la física, ofreciendo un camino hacia el descubrimiento automatizado de las reglas matemáticas que gobiernan el mundo natural.

Resumen Técnico: Redes Neuronales de Activación-Selección Interpretables para la Regresión Simbólica de Autovalores de Hamiltonianos Dependientes de Parámetros

Planteamiento del Problema
Si bien las redes neuronales de alimentación hacia adelante (feedforward) son aproximadores universales capaces de modelar sistemas físicos, típicamente carecen de la capacidad de proporcionar expresiones analíticas compactas y explícitas que revelen leyes físicas subyacentes, comportamientos de escala o simetrías. La regresión simbólica tiene como objetivo cerrar esta brecha mediante la búsqueda de expresiones matemáticas que equilibren la precisión con la simplicidad estructural. Sin embargo, derivar tales expresiones para autovalores de Hamiltonianos dependientes de parámetros —particularmente para sistemas de cadenas de espín relevantes para la resonancia magnética nuclear (RMN) de cuantización cero— sigue siendo un desafío. La diagonalización numérica proporciona datos exactos, pero las aproximaciones analíticas compactas se vuelven cada vez más difíciles de derivar a medida que aumentan el tamaño del sistema y la falta de uniformidad de los parámetros. Además, los enfoques de regresión estándar suelen tener dificultades con la consistencia dimensional y las formas funcionales específicas (por ejemplo, polinómicas frente a no polinómicas cerca de degeneraciones) requeridas por las restricciones físicas.

Metodología: Redes de Activación-Selección (ASN)
Los autores introducen la Red de Activación-Selección (ASN), una arquitectura diferenciable diseñada para la regresión simbólica. A diferencia de las Redes Kolmogorov-Arnold (KAN), que aprenden funciones univariantes en las aristas, o los modelos Equation Learner (EQL), que utilizan la regularización de dispersión (sparsity) en los operadores, la ASN opera seleccionando una única función de una biblioteca predefinida para cada nodo de entrada.

Arquitectura: Cada capa consiste en una subcapa de activación-selección seguida de una subcapa de transformación lineal. Para una entrada $x_i$ , la red evalúa un conjunto de $k$ funciones de activación candidatas $\phi_j(x_i)$ .
Mecanismo de Selección: La red aprende un vector de logits $\alpha_i$ para cada entrada. Durante el entrenamiento, estos se convierten en coeficientes $a_{ij}$ mediante una transformación softmax. Para imponer la dispersión (seleccionar una función), se aplica un término de regularización de tipo $L_{0.5}$ , que minimiza la suma de las raíces cuadradas de los coeficientes, empujándolos hacia un vértice del simplex (un coeficiente $\approx 1$ , los otros $\approx 0$ ).
Transición a Sparsemax: En la etapa final del entrenamiento, el softmax se reemplaza por sparsemax, que puede asignar ceros exactos a las funciones no utilizadas, proporcionando una representación analítica dispersa.
Biblioteca de Funciones: El estudio utiliza la biblioteca $\{0, x, x^2\}$ . Al apilar capas, la red puede construir polinomios de grado finito arbitrario (teóricamente hasta $2^L$ para $L$ capas), permitiendo la composición de combinaciones lineales y términos cuadráticos para generar polinomios de orden superior.
Normalización Dimensional: Un paso de preprocesamiento crítico consiste en expresar los parámetros del Hamiltoniano y los autovalores como razones adimensionales (por ejemplo, $r_i = \Delta J_i / J_{intra}$ ). Esto asegura la homogeneidad dimensional, reduce el número de variables independientes y evita que las expresiones aprendidas dependan de unidades de energía arbitrarias.

Benchmarks y Datos
El marco de trabajo se aplicó a Hamiltonianos de cadenas de espín efectivas que describen pares de protones de metileno acoplados en RMN de cuantización cero.

Cadena de Tres Sitios: Se analizaron los casos uniforme ( $\Delta J_1 = \Delta J_2$ ) y no uniforme. El objetivo fueron las cuatro ramas de autoenergía. Los autores derivaron una referencia perturbativa de dos parámetros para el caso no uniforme, señalando que la división exacta cerca de la degeneración involucra un término radial $\sqrt{\Delta J_1^2 + \Delta J_2^2}$ , el cual es no polinómico.
Cadena de Cuatro Sitios: Se utilizó una cadena uniforme con ocho ramas de autoenergía para probar la escalabilidad.
Generación de Datos: La diagonalización numérica proporcionó los datos de referencia exactos. Para la cadena de tres sitios, se muestrearon 100,000 pares de parámetros adimensionales. Para la cadena de cuatro sitios, los conjuntos de datos se generaron mediante diagonalización directa o interpolación de superficies precomputadas.

Resultos Clave

Cadena de Tres Sitios: La ASN extrajo con éxito aproximaciones cuadráticas globales compactas para las cuatro superficies de autoenergía. Las expresiones resultantes capturaron las estructuras constantes, lineales y cuadráticas esperadas de la teoría de perturbaciones. A lo largo de la línea de la cadena uniforme, los coeficientes de la ASN coincidieron cualitativamente con la estructura de la teoría de perturbaciones de segundo orden (por ejemplo, coeficientes lineales cerca de $\pm 1/\sqrt{2}$ ).
Cadena de Cuatro Sitios: La ASN representó todas las ocho ramas de autoenergía simultáneamente. Las expresiones extraídas se redujeron a polinomios cuadráticos con como máximo tres términos. La red reprodujo las dos variedades de degeneración cuádruple en $\Delta J = 0$ y la estructura perturbativa cualitativa para el acoplamiento no nulo.
Comparación con Baselines:
- Cuando la base polinómica apropiada se conocía de antemano, la regresión de mínimos cuadrados de base fija (regresión lineal ordinaria) superó ligeramente a la ASN en términos de precisión predictiva (menor RMSE).
- Para el caso no uniforme de tres sitios, añadir una característica radial informada por la física ( $\rho = \sqrt{r_1^2 + r_2^2}$ ) a un modelo de mínimos cuadrados mejoró significamente la precisión local cerca de la degeneración, superando tanto a la ASN como a los ajustes polinómicos estándar en esa región específica.
- La ASN no demostró una ventaja de precisión intrínseca sobre una regresión de base fija bien especificada.

Significado y Reivindicaciones
El artículo posiciona a la ASN no como un método que supere universalmente a la regresión tradicional, sino como un marco diferenciable para seleccionar y componer bloques de construcción analíticos cuando la forma funcional apropiada es desconocida.

Contribución Primaria: La capacidad de entrenar una red para seleccionar una combinación dispersa de funciones predefinidas y convertir el resultado directamente en una expresión simbólica explícita sin un paso de aproximación simbólica post-hoc separado.
Reivindicaciones Modestas: Los autores declaran explícitamente que "la selección de activación adaptativa no proporciona una ventaja de precisión intrínseca sobre una base predefinida adecuada". El valor de la ASN reside en su utilidad para problemas donde la base correcta no se conoce de antemano y múltiples formas funcionales son plausibles.
Limitaciones: Las expresiones extraídas son aproximaciones dentro del dominio de entrenamiento y no garantizan la extrapolación. El método tiene dificultades con las singularidades no polinómicas (como la dependencia de raíz cuadrada en las degeneraciones) a menos que dichas funciones se incluyan explícamente en la biblioteca. El estudio concluye que se requiere evidencia más sólida de la selección de funciones adaptativa mediante benchmarks con primitivas no polinómicas competidoras y pruebas de extrapolación estructuradas.

En resumen, este trabajo establece a la ASN como una herramienta viable para derivar representaciones simbólicas compactas e interpretables a partir de datos numéricos, particularmente en escenarios donde la estructura analítica subyacente es incierta, reconociendo al mismo tiempo que para problemas con estructuras polinómicas conocidas, los métodos tradicionales de mínimos cuadrados siguen siendo altamente competitivos en precisión.

Más como este