Experimental Design for Missing Physics

Cet article propose une technique de conception expérimentale séquentielle basée sur la discrimination optimale entre des structures de modèles suggérées par la régression symbolique, afin de collecter des données de haute qualité nécessaires à la découverte de la physique manquante dans les systèmes de procédés, comme démontré sur un bioréacteur.

L'essentiel

🕵️‍♂️ Le Problème : Le Recette Incomplète

Imaginez que vous êtes un chef cuisinier (un scientifique) qui essaie de reproduire un plat délicieux (un système biologique, comme un bioréacteur où l'on fait pousser des bactéries).

Vous connaissez la plupart des ingrédients : la farine, les œufs, le sucre (ce sont les lois physiques connues comme la conservation de la masse). Mais il manque un ingrédient secret crucial dans votre recette : la façon exacte dont la levure réagit au sucre. Vous ne connaissez pas la formule magique qui lie les deux. C'est ce que les auteurs appellent la « physique manquante ».

Sans cette formule, votre gâteau ne sort pas toujours comme prévu. Vous avez besoin de faire des expériences pour deviner cette formule secrète.

🤖 L'Outil : Le « Copieur » et le « Traducteur »

Pour trouver cette formule manquante, les auteurs utilisent une combinaison de deux outils intelligents :

1. L'Équation Différentielle Universelle (UDE) : Le « Copieur ».
   Imaginez un robot très doué (un réseau de neurones) qui regarde vos résultats d'expériences. Il essaie de dessiner une courbe qui colle parfaitement à vos données, même s'il ne comprend pas pourquoi. Il est comme un excellent dessinateur qui copie ce qu'il voit, mais son dessin est illisible pour un humain (c'est une « boîte noire »).

2. La Régression Symbolique : Le « Traducteur ».
   Une fois que le robot a dessiné sa courbe, on utilise un autre outil (la régression symbolique) pour regarder ce dessin et dire : « Attends, ce dessin ressemble étrangement à une formule mathématique simple ! ». Cet outil transforme le dessin compliqué du robot en une équation mathématique que l'on peut lire et comprendre, comme y = x / (1 + x).

🎯 Le Défi : Comment faire les bonnes expériences ?

Le problème, c'est que pour que le robot dessine bien, il faut lui donner les bonnes données. Si vous ne donnez au robot que des données sur des températures froides, il ne saura jamais comment il se comporte quand il fait chaud.

C'est là qu'intervient la Conception Expérimentale Optimale. Au lieu de faire des expériences au hasard (comme essayer de cuisiner à l'aveugle), les auteurs ont créé une méthode pour décider exactement comment piloter l'expérience pour apprendre le plus vite possible.

🎮 La Stratégie : Le Jeu du « Qui est le plus différent ? »

Voici comment leur méthode fonctionne, étape par étape, avec une analogie :

1. Le premier essai (La base) : On lance une expérience simple. Le robot dessine une courbe. Le « Traducteur » regarde et propose 10 formules mathématiques différentes qui pourraient expliquer ce dessin. Disons qu'il propose :

   • Hypothèse A : La levure aime beaucoup le sucre.
   • Hypothèse B : La levure déteste le sucre.
   • Hypothèse C : La levure s'en fiche.

2. Le duel (La discrimination) : Pour savoir laquelle est la vraie, il ne faut pas juste regarder les données actuelles. Il faut créer une nouvelle expérience où ces hypothèses vont s'opposer violemment.

   • Imaginez que vous demandez à vos 10 hypothèses de prédire ce qui va se passer si vous ajoutez énormément de sucre.
   • L'hypothèse A dira : « Ça va exploser ! ».
   • L'hypothèse B dira : « Ça va s'arrêter ».
   • L'hypothèse C dira : « Rien ne change ».

   L'algorithme calcule : « Quelle quantité de sucre dois-je ajouter pour que la différence entre ces prédictions soit la plus grande possible ? ». C'est comme si vous cherchiez le moment précis où un groupe d'amis va se disputer le plus fort pour savoir qui a raison.

3. L'expérience cible : Vous lancez l'expérience avec cette quantité de sucre "explosive". Vous mesurez le résultat.

   • Si le résultat correspond à l'hypothèse A, vous éliminez B et C.
   • Vous avez maintenant une nouvelle liste de candidats.

4. La boucle : Vous recommencez le processus. Vous utilisez les nouvelles données pour mettre à jour le robot, le traducteur propose de nouvelles formules, et vous cherchez la prochaine expérience qui va les départager.

🏆 Les Résultats : La Méthode Gagne

Les auteurs ont testé cette méthode sur un bioréacteur (une cuve de fermentation).

• Méthode aléatoire : Ils ont fait 5 expériences au hasard. Résultat : Ils n'ont jamais trouvé la vraie formule (l'équation de Monod, qui est la loi classique de la croissance des bactéries).
• Méthode intelligente : En utilisant leur stratégie de "duel" pour choisir les expériences, ils ont trouvé la vraie formule en seulement 3 expériences.

💡 En Résumé

Ce papier nous dit : « Ne faites pas d'expériences au hasard. Utilisez l'intelligence artificielle pour deviner ce que vous ne savez pas, puis utilisez un algorithme pour concevoir l'expérience qui va vous donner la réponse la plus claire possible, en forçant les théories concurrentes à s'affronter. »

C'est comme si, au lieu de chercher une aiguille dans une botte de foin au hasard, vous utilisiez un aimant intelligent pour savoir exactement où l'aiguille va réagir le plus fort, et vous y allez directement.

Résumé technique

1. Problématique

Dans l'analyse et l'optimisation des systèmes de processus (biochimiques, physiques), les modèles basés sur les lois physiques sont souvent incomplets. Ces lacunes, appelées « physique manquante » (missing physics), correspondent à des termes dans les équations différentielles dont la structure fonctionnelle est inconnue (par exemple, une cinétique de réaction non modélisée).

Bien que des techniques récentes comme les Équations Différentielles Universelles (UDE) combinées à la régression symbolique permettent d'apprendre ces structures à partir de données, elles sont très gourmandes en données. Le défi principal réside dans la collecte de données hautement informatives : les méthodes classiques de conception d'expérience (MbDoE) se concentrent soit sur la précision des paramètres, soit sur la discrimination entre un nombre fini de structures de modèles préétablies. Aucune de ces approches ne s'applique directement lorsque la structure même du modèle est inconnue.

2. Méthodologie

Les auteurs proposent une technique de conception d'expérience séquentielle (Sequential Experimental Design) pour découvrir la physique manquante. La démarche se déroule en boucle fermée :

1. Modélisation par UDE : La partie inconnue du modèle (la fonction $\phi$) est remplacée par un réseau de neurones (NN). Le système devient une équation différentielle où le NN apprend la dynamique manquante à partir des données.
2. Interprétabilité par Régression Symbolique : Pour rendre le NN interprétable, une régression symbolique est appliquée sur les sorties du réseau. Cela génère un ensemble de structures de modèles symboliques plausibles (des expressions mathématiques) qui correspondent bien aux données actuelles.
3. Discrimination de Modèles (Critère T-optimal adapté) : L'objectif est de concevoir la prochaine expérience pour discriminer entre ces structures plausibles.
   • Comme il n'existe pas de « modèle vrai » de référence, l'algorithme maximise la distance moyenne entre les prédictions de toutes les paires de modèles plausibles.
   • La fonction de contrôle $u(t)$ (par exemple, le débit d'alimentation) est optimisée pour maximiser la différence de sortie entre les modèles candidats aux points de mesure.
4. Boucle Séquentielle : Les nouvelles données collectées sont utilisées pour réentraîner l'UDE, ce qui génère un nouveau jeu de modèles plausibles, et le cycle recommence.

Cas d'étude : Un bioréacteur discontinu (fed-batch) avec trois états dynamiques (substrat, biomasse, volume). La physique manquante est le taux de croissance spécifique $\mu(C_s)$, dont la forme vraie est l'équation de Monod, mais inconnue pour l'algorithme.

3. Contributions Clés

• Nouvelle méthode de conception d'expérience : Développement d'un algorithme capable de discriminer entre des structures de modèles inconnues (générées par IA) plutôt que de simples paramètres, en utilisant une variante du critère T-optimal.
• Intégration UDE + Régression Symbolique : Démonstration d'un flux de travail robuste où les réseaux de neurones capturent la complexité des données et la régression symbolique extrait des lois physiques interprétables.
• Optimisation de contrôle séquentielle : Utilisation de contrôles en escalier (fonctions constantes par morceaux) optimisés pour maximiser l'information acquise sur la dynamique non linéaire du système.

4. Résultats

L'approche a été testée sur le bioréacteur en comparant la méthode proposée à des expériences contrôlées aléatoirement :

• Itération 1 (Données initiales) : Une expérience avec un contrôle nul permet d'entraîner l'UDE. La régression symbolique propose plusieurs modèles, dont certains prédisent une croissance constante et d'autres une croissance croissante, créant une incertitude dans les régions non mesurées.
• Itération 2 (Discrimination) : L'algorithme de conception d'expérience génère un contrôle optimal qui pousse le réacteur vers des régimes où les modèles candidats divergent le plus (ici, des débits élevés). Cela permet d'éliminer rapidement les modèles incorrects (comme la fonction constante).
• Itération 3 (Raffinement) : Une troisième expérience est conçue pour explorer la zone de concentration intermédiaire où l'incertitude persiste. Le contrôle optimal maintient le réacteur à une concentration intermédiaire spécifique pour maximiser la divergence des prédictions.
• Performance : Après trois expériences optimisées, l'équation de Monod (la vraie physique) est identifiée comme le modèle le plus plausible avec le score le plus élevé.
• Comparaison : Sur 5 séries d'expériences aléatoires, l'équation de Monod n'a jamais été retrouvée. Cela prouve que la conception d'expérience optimale apporte un gain d'information significatif par rapport à une collecte de données aléatoire.

5. Signification et Perspectives

• Validation Scientifique : Cette étude démontre qu'il est possible de découvrir des lois physiques fondamentales (comme la cinétique de Monod) à partir de données expérimentales sans hypothèse préalable sur la forme de l'équation, en utilisant l'IA de manière interprétable.
• Efficacité des Données : La méthode réduit considérablement le nombre d'expériences nécessaires pour identifier le bon modèle, ce qui est crucial dans les domaines coûteux ou lents comme la biotechnologie.
• Limites et Futur :
  • L'article note que les hyperparamètres (taille du NN, nombre d'itérations de régression symbolique) sont actuellement fixes. Une direction future majeure serait de rendre ce processus entièrement en ligne et adaptatif, en ajustant automatiquement ces hyperparamètres.
  • La méthode pourrait être étendue pour optimiser simultanément les temps de mesure, la durée de l'expérience et les conditions initiales, au-delà du seul contrôle d'entrée.

En résumé, cet article propose un cadre puissant pour combler les lacunes de la connaissance physique dans les systèmes complexes, transformant l'expérimentation d'un processus passif de collecte de données en un processus actif et intelligent de découverte scientifique.