SCULPT: An Interactive Machine Learning Platform for Analyzing Multi-Particle Coincidence Data from Cold Target Recoil Ion Momentum Spectroscopy

L'article présente SCULPT, une plateforme interactive de machine learning basée sur le web qui utilise des techniques avancées telles que UMAP et un score de confiance adaptatif pour analyser des données de coïncidence multi-particules de haute dimension issues d'expériences COLTRIMS, permettant ainsi une découverte efficace d'événements rares et de corrélations en physique atomique et moléculaire.

L'essentiel

Imaginez que vous soyez un détective tentant de résoudre un crime, mais au lieu de quelques témoins, vous en avez des millions, et ils parlent tous une langue différente en même temps. Tel est le défi auquel sont confrontés les scientifiques lorsqu'ils étudient la façon dont les molécules se désintègrent.

Le Problème : Une Foule Chaotique
Dans des expériences appelées « Spectroscopie de l'Impulsion de Recul des Ions Cibles Froids » (COLTRIMS), les scientifiques projettent des particules sur des molécules pour observer comment elles se brisent. Lorsqu'une molécule comme l'eau se désintègre, elle ne se divise pas simplement en deux morceaux ; elle peut exploser en cinq morceaux ou plus (ions et électrons) tous en même temps.

Chaque « explosion » génère une quantité massive de données. Pour un seul événement, l'ordinateur enregistre la vitesse et la direction de chaque morceau. Si vous additionnez tous les angles, les énergies et les vitesses, vous aboutissez à une liste de 50 nombres ou plus pour chaque événement unique. Lorsque vous avez des millions de ces événements, c'est comme essayer de trouver un motif spécifique dans un ouragan de données. Les méthodes traditionnelles sont comme regarder l'ouragan à travers un trou de serrure ; vous ne voyez qu'une ou deux dimensions à la fois, manquant la vue d'ensemble de la façon dont les morceaux sont liés les uns aux autres.

La Solution : SCULPT
Les auteurs de cet article présentent un nouvel outil logiciel appelé SCULPT (Regroupement Supervisé et Découverte de Motifs Latents par Entraînement). Considérez SCULPT comme un générateur de cartes 3D intelligent et interactif qui aide les scientifiques à naviguer dans cet ouragan de données.

Voici comment cela fonctionne, en utilisant des analogies simples :

1. La « Carte Magique » (UMAP)

Imaginez que vous ayez un immense tas désordonné de billes colorées. Certaines sont rouges, d'autres bleues, d'autres vertes, mais elles sont toutes mélangées dans une boîte à 50 dimensions que vous ne pouvez pas voir. Vous voulez les trier par couleur.
SCULPT utilise une technique appelée UMAP pour aplatir cette boîte à 50 dimensions en une simple carte 2D (comme une feuille de papier plate).

• La Magie : Il ne fait pas que écraser les données ; il organise intelligemment les billes de sorte que celles qui sont similaires (celles qui se sont désintégrées de manière similaire) se retrouvent côte à côte, tandis que les différentes restent loin les unes des autres. Soudain, vous pouvez voir de distinctes « îles » de couleurs qui étaient auparavant cachées dans le chaos.

2. Le « Jauge de Confiance » (Score de Confiance)

Lorsque vous regardez une carte, comment savez-vous que les îles sont réelles et non un simple jeu de lumière ?
SCULPT inclut une Jauge de Confiance. Elle ne vous montre pas seulement la carte ; elle calcule un score pour vous dire : « Hé, ces groupes sont très distincts », ou « Attention, ces groupes pourraient se chevaucher ».

• Elle vérifie la carte en utilisant plusieurs règles différentes (comme vérifier si les îles sont serrées ensemble ou si elles sont clairement séparées de l'espace vide).
• Elle combine ces vérifications en un seul score. Si le score est élevé, le scientifique sait : « D'accord, je peux faire confiance à ce regroupement ». S'il est faible, ils savent qu'ils doivent essayer un autre angle.

3. Le « Filtre » (Nettoyage des Données)

Parfois, les données sont trop bruyantes, comme essayer d'entendre un chuchotement dans un stade bondé.
SCULPT permet aux scientifiques d'agir comme un ingénieur du son. Ils peuvent utiliser des filtres pour :

• Zoomer : Se concentrer uniquement sur les voix les plus fortes (les événements les plus courants).
• Ajuster la fréquence : Ignorer le bruit de fond et n'écouter que des types spécifiques de sons (niveaux d'énergie ou angles spécifiques).
  Cela les aide à isoler des événements rares qui pourraient être cachés dans la foule.

4. Le « Pilote Automatique » (Programmation Génétique)

Parfois, les scientifiques ne savent pas quels nombres examiner pour résoudre l'énigme.
SCULPT possède une fonction qui agit comme un pilote automatique pour la découverte. Il peut mélanger et assortir automatiquement différents nombres (comme combiner « vitesse » avec « angle ») pour voir si un nouveau motif caché émerge. C'est comme un chef qui continue d'essayer de nouvelles combinaisons d'épices jusqu'à ce qu'il trouve la recette parfaite qui fait ressortir les saveurs.

Le Test Réel : La Molécule d'Eau

Pour prouver que cela fonctionne, l'équipe a utilisé SCULPT pour analyser des données provenant de D2O (une version lourde de l'eau).

• L'Objectif : Ils voulaient séparer les différentes façons dont la molécule d'eau pouvait se désintégrer. Il existait 8 « états quantiques » différents (différentes façons dont la molécule pouvait vibrer ou tourner avant de se briser).
• Le Résultat : Les méthodes traditionnelles avaient du mal à séparer ces 8 états car leurs données semblaient très similaires. SCULPT, en revanche, a réussi à les cartographier. Il a découvert que certains états se cachaient à l'intérieur de la même « île » sur la carte. En utilisant la Jauge de Confiance et en redessinant des sections spécifiques, le logiciel les a séparés, révélant clairement les 8 états distincts.

Pourquoi Cela Compte

SCULPT est comme donner aux scientifiques un microscope haute technologie pour les données. Au lieu de passer des semaines à trier manuellement des millions de nombres, ils peuvent explorer les données de manière interactive, trouver des motifs cachés et faire confiance aux résultats immédiatement. Il transforme une montagne de nombres confus en un paysage clair et navigable, permettant aux chercheurs de repérer des événements rares et importants qui étaient auparavant invisibles.

Le logiciel est ouvert et basé sur le web, ce qui signifie que n'importe quel scientifique peut l'utiliser sans avoir besoin d'être un expert en informatique, rendant le monde complexe de la physique moléculaire beaucoup plus accessible.

Résumé technique

Résumé Technique : SCULPT – Une Plateforme Interactive d'Apprentissage Automatique pour l'Analyse de Données COLTRIMS

Énoncé du Problème
La Spectroscopie de l'Impulsion des Ions de Recul de Cible Froide (COLTRIMS), ou « microscopie de réaction », permet des mesures cinématiquement complètes des processus de fragmentation multi-particules, générant des jeux de données de haute dimension (dépassant souvent 50 caractéristiques par événement, incluant des vecteurs d'impulsion 3D, des rapports masse/charge et des grandeurs dérivées comme la Libération d'Énergie Cinétique). Bien que puissante, l'analyse de ces dizaines de millions d'événements fait face à des défis majeurs avec les méthodes traditionnelles :

1. Limitations basées sur la projection : La réduction des données en histogrammes 1D ou 2D obscurcit souvent les corrélations multidimensionnelles critiques.
2. Biais du filtrage séquentiel : L'application de coupes sur des paramètres spécifiques peut introduire un biais et masquer des motifs inattendus.
3. Ingénierie manuelle des caractéristiques : La dépendance à l'expertise du domaine pour construire des observables peut faire passer à côté de relations non intuitives.
4. Incompatibilité des outils : Les outils existants d'apprentissage automatique (ML) manquent de contraintes informées par la physique, de profils moléculaires configurables et de capacités d'exploration interactive adaptées aux données de spectroscopie d'impulsion tabulées.

Méthodologie
Les auteurs présentent SCULPT (Supervised Clustering and Uncovering Latent Patterns with Training), une plateforme web construite sur Python et le framework Plotly Dash. Elle intègre des techniques avancées de ML avec une analyse informée par la physique grâce à une architecture modulaire :

• Traitement des Données et Caractéristiques Physiques : Le système permet aux utilisateurs de définir des profils moléculaires (types de particules, masses, charges) sans modification du code. Il calcule automatiquement des caractéristiques physiques telles que les énergies cinétiques individuelles des particules, la Libération d'Énergie Cinétique (KER), les sommes/partages d'énergie électronique et les angles inter-particulaires.
• Réduction de Dimensionnalité :
  • UMAP : L'outil principal pour la réduction de dimensionnalité non linéaire. Il construit une représentation topologique des données de haute dimension, préservant à la fois les relations de voisinage locales et la structure globale. Il est utilisé pour révéler les corrélations non linéaires entre les composantes d'impulsion et les grandeurs physiques dérivées.
  • Autoencodeurs Profonds : Un réseau de neurones symétrique (encodeur-décodeur) implémenté dans PyTorch est disponible pour l'apprentissage de caractéristiques, comprimant les données d'entrée dans un espace latent de basse dimension pour capturer la variance essentielle de la dynamique de fragmentation.
• Découverte de Caractéristiques : La plateforme emploie la Programmation Génétique utilisant la régression symbolique pour découvrir des combinaisons mathématiques interprétables de caractéristiques d'entrée, visant à trouver des relations non triviales que les paramètres physiques standards pourraient manquer.
• Évaluation Adaptative de la Confiance : Un système novateur fournit des évaluations quantitatives de fiabilité pour les résultats de clustering. Il calcule un score de confiance pondéré ($C$) basé sur des métriques sélectionnées par l'utilisateur :
  • Niveau 1 (Haute Fiabilité) : Score de Silhouette (cohésion/séparation) et Statistique de Hopkins (tendance au clustering).
  • Niveau 2 (Fiabilité Modérée) : Stabilité du Cluster (via injection de bruit), Cohérence Physique (rapports de variance des paramètres physiques clés) et Indice de Calinski-Harabasz.
  • Niveau 3 (Faible Fiabilité) : Indice de Davies-Bouldin (fortement sous-pondéré en raison de sa sensibilité aux formes de clusters non sphériques courantes dans UMAP).
  • Le système suit également le Rapport de Bruit via le clustering DBSCAN et applique des bonus d'échelle asymptotique pour des résultats exceptionnels tout en plafonnant les scores pour des échecs sévères.
• Filtrage et Visualisation Interactifs : Les utilisateurs peuvent filtrer les données via la sélection de caractéristiques, le filtrage basé sur la densité (élimination des valeurs aberrantes rares dans UMAP ou l'espace des caractéristiques) et le filtrage par paramètres physiques (par exemple, plages spécifiques de KER). Les outils de sélection interactive (laser, boîte) permettent aux utilisateurs d'isoler des événements et de réanalyser des sous-ensembles.

Contributions Clés

1. Intégration de ML Informé par la Physique : SCULPT comble le fossé entre les outils ML génériques et les exigences expérimentales spécifiques en intégrant UMAP avec le calcul automatisé de caractéristiques physiques et des systèmes moléculaires configurables.
2. Évaluation Adaptative de la Fiabilité : L'introduction d'un système de score de confiance pondéré et multi-niveaux répond à l'absence de métriques de qualité objectives dans l'analyse exploratoire par ML de données scientifiques.
3. Workflow Itératif et Guidé par l'Hypothèse : La plateforme permet un flux de travail dynamique où les utilisateurs peuvent affiner itérativement des sous-ensembles de données, ajuster les caractéristiques et reclustering pour isoler des états quantiques ou des voies de réaction spécifiques, guidés à la fois par l'inspection visuelle et les scores quantitatifs.
4. Découverte Automatisée de Caractéristiques : L'inclusion de la programmation génétique permet la découverte automatisée de combinaisons mathématiques de caractéristiques qui améliorent la séparation des clusters au-delà des observables physiques standards.

Résultats : Étude de Cas sur la Double Ionisation de D2O
La plateforme a été validée à l'aide d'un jeu de données d'environ 1,9 million d'événements de coïncidence issus de la photo-double ionisation de D$_2$O (61 eV), aboutissant à D$^+$ + D$^+$ + O + 2e$^-$. La vérité terrain consistait en huit états quantiques de dication distincts.

• Analyse Initiale : Une projection UMAP initiale utilisant le KER, l'énergie électronique totale, l'énergie totale et les angles ion-ion a identifié cinq clusters. Deux clusters contenaient des états quantiques uniques, tandis que trois étaient mixtes.
• Raffinement Itératif : En isolant les clusters mixtes et en relançant UMAP avec des ensembles de caractéristiques optimisés, les auteurs ont réussi à séparer les états restants. Par exemple, un cluster contenant trois états a été divisé en deux, puis en états individuels, le score de confiance augmentant de 0,70 à 0,79 à mesure que la séparation devenait physiquement distincte.
• Performance des Métriques : Le système de score de confiance s'est avéré efficace ; des scores élevés étaient corrélés à une séparation physique réussie, tandis que des scores faibles (par exemple 0,14) indiquaient correctement une mauvaise séparation lorsque des caractéristiques sous-optimales étaient choisies. Le système a géré avec succès des cas où les états quantiques avaient des signatures cinématiques chevauchantes (par exemple, les états 3B$_1$ et 1B$_1$ partageant un KER similaire), en utilisant la statistique de Hopkins pour valider la tendance sous-jacente au clustering malgré des scores de silhouette modestes.

Signification et Revendications
L'article revendique que SCULPT représente une avancée significative dans l'analyse des données de coïncidence multi-particules en permettant aux chercheurs d'extraire des informations détaillées de données de haute dimension plus efficacement que les outils établis.

• Accessibilité : La conception modulaire et basée sur le web rend l'analyse avancée par ML accessible à la communauté plus large de la physique atomique et moléculaire, réduisant le temps requis pour les analyses multidimensionnelles complexes.
• Détection d'Événements Rares : La plateforme facilite l'identification et l'isolement en temps réel d'événements rares présentant des corrélations non linéaires, pouvant guider l'exploration expérimentale et améliorer l'efficacité.
• Potentiel Futur : Les auteurs suggèrent que la plateforme pose les bases d'une découverte pilotée par l'IA en dynamique quantique multi-particules. Ils proposent une intégration future de simulations « jumeaux numériques » et de capacités basées sur des agents pour identifier de manière autonome des comportements de dissociation non standards (tels que le mécanisme de « fronde » dans les états de dication de l'eau) qui violent l'approximation du recul axial, difficiles à détecter par une analyse manuelle traditionnelle.
• Impact Plus Large : Bien que centrée sur COLTRIMS, les auteurs postulent que l'approche combinant réduction de dimensionnalité avec des contraintes spécifiques au domaine pourrait bénéficier à d'autres domaines traitant de grands jeux de données tabulés multi-paramètres, tels que la science de l'information quantique, les produits pharmaceutiques et l'aérospatiale.

Le travail est présenté comme un outil pour soutenir, plutôt que remplacer, l'intuition physique, offrant une voie pilotée par les données pour valider et interpréter des résultats expérimentaux complexes.