Physics-guided Convolutional Neural Network for Domain Growth Prediction in Systems with Conserved Kinetics

Résumé technique : Réseau de neurones convolutifs guidé par la physique pour la prédiction de la croissance de domaines

Énoncé du problème
L'évolution spatiotemporelle des systèmes physiques complexes, tels que la séparation de phases dans les mélanges binaires, est régie par des équations aux dérivées partielles (EDP) non linéaires, plus précisément l'équation de Cahn–Hilliard (CH). Les solveurs numériques traditionnels (par exemple, différences finies, éléments finis) sont coûteux en termes de calcul et font face à des défis de mise à l'échelle sur les architectures modernes. Bien que l'apprentissage automatique (ML) offre des alternatives de modélisation de substitution, les approches existantes rencontrent des limitations spécifiques lorsqu'elles sont appliquées aux cinétiques conservées :

• Réseaux de neurones informés par la physique (PINNs) : Ils peinent avec les dérivées spatiales d'ordre quatre inhérentes à l'équation CH, ce qui entraîne une propagation instable des gradients. Ils souffrent également d'un biais spectral, privilégiant les solutions lisses au détriment des interfaces nettes typiques de la séparation de phases, et échouent souvent à imposer naturellement la conservation du paramètre d'ordre.
• Substituts pilotés par les données (ex. RNN, CNN standards) : Bien qu'efficaces, ces modèles échouent souvent à préserver la conservation du paramètre d'ordre lors des déploiements autoregressifs à long terme. Les petites erreurs de prédiction s'accumulent au fil du temps, entraînant une perte graduelle de la quantité conservée et des dynamiques physiquement incohérentes.

Méthodologie
Les auteurs proposent un réseau de neurones convolutifs basé sur l'attention et guidé par la physique, conçu spécifiquement pour modéliser des systèmes dotés de cinétiques conservées. La méthodologie intègre une architecture d'apprentissage profond avec des contraintes physiques :

1. Architecture : Le modèle repose sur une architecture U-Net Résiduelle, comprenant un chemin de contraction, un pont central et un chemin d'expansion.

   • Blocs Résiduels : Chaque chemin utilise des blocs résiduels contenant une normalisation de groupe (GN), une activation GeLU et des couches convolutives avec un remplissage circulaire (circular padding) pour faciliter l'entraînement de réseaux profonds.
   • Mécanisme d'Attention : Un bloc d'auto-attention est intégré dans le pont central à la résolution spatiale la plus basse (champ récepteur le plus large). Cela permet au réseau de capturer les corrélations spatiales globales et l'évolution morphologique à grande échelle, complétant ainsi les caractéristiques convolutives locales.
   • Suréchantillonnage/Sous-échantillonnage : Le réseau emploie des convolutions à foulée (strided convolutions) pour le sous-échantillonnage et des convolutions transposées pour le suréchantillonnage, avec des connexions de saut (skip connections) pour préserver les détails spatiaux.

2. Fonction de perte guidée par la physique : Pour imposer la loi de conservation intrinsèque de l'équation CH, l'objectif d'entraînement inclut une fonction de perte composite :

   • Fidélité des données : Erreur quadratique moyenne (MSE) entre les champs prédits et la vérité terrain.
   • Contrainte de conservation : Un terme de pénalité supplémentaire ($L_{\langle\psi\rangle}$) qui minimise l'écart au carré entre la moyenne spatiale du champ prédit et la vérité terrain. Cela garantit explicitement la conservation globale du paramètre d'ordre ($\psi$) tout au long de l'évolution.
   • Perte Totale : $L = L_{MSE} + \alpha L_{\langle\psi\rangle}$, où $\alpha$ contrôle la force de la régularisation.

3. Protocole d'entraînement :

   • Génération de données : Les données d'entraînement ont été générées en résolvant numériquement l'équation CH sans dimension par une méthode de différences finies sur un réseau de $64 \times 64$.
   • Jeu de données : Le jeu de données comprend 20 trajectoires indépendantes couvrant des compositions critiques ($\psi_0 = 0$) et hors critiques ($\psi_0 = \pm 0.2, \pm 0.4$) sur un intervalle de temps $t \in [0, 300]$.
   • Tâche : Le modèle est entraîné pour prédire un instantané à $t + 100\Delta t$ étant donné un instantané à $t$. L'évolution à long terme est générée via une inférence autoregressive récursive.

Résultats Clés
Le cadre proposé a été évalué sur des mélanges critiques et hors critiques, démontrant une haute fidélité dans la capture de dynamiques complexes :

• Conservation du paramètre d'ordre : Le modèle parvient à maintenir la moyenne spatiale du paramètre d'ordre ($\langle\psi\rangle$) constante dans le temps pour les compositions critiques et hors critiques, préservant efficacement la loi de conservation globale même lors de déploiements de longue durée.
• Précision Morphologique :
  • Mélanges Critiques : Le modèle reproduit avec précision la morphologie bicontinue et le grossissement des domaines. Les erreurs sont principalement confinées aux frontières de domaines et s'accumulent très lentement, maintenant la stabilité sur de longs horizons.
  • Mélanges Hors Critiques : Bien que la précision se dégrade légèrement plus vite que dans les cas critiques en raison de la complexité de la coalescence et de la rupture des gouttelettes, le modèle capture toujours la morphologie globale des gouttelettes et reste stable sur des échelles de temps étendues.
• Généralisation : Le modèle, entraîné sur des systèmes de $64 \times 64$, prédit avec succès la dynamique pour des tailles de système plus grandes ($160, 192, 256$) sans dégradation notable de la précision.
• Cohérence Physique :
  • Lois de Croissance : La croissance des domaines prédite suit la loi de Lifshitz–Slyozov ($L(t) \sim t^{1/3}$) avec une grande précision, correspondant aux solveurs numériques pour les cas critiques et hors critiques.
  • Mise à l'échelle Dynamique : Le modèle reproduit l'hypothèse de mise à l'échelle dynamique, où les fonctions de corrélation $C(r,t)$ se superposent sur une courbe maîtresse universelle lorsqu'elles sont tracées en fonction de la distance redimensionnée $r/L(t)$.
  • Distributions Statistiques : La distribution de probabilité du paramètre d'ordre $P(\psi)$ correspond aux résultats numériques, capturant correctement la symétrie dans les mélanges critiques et l'asymétrie dans les mélanges hors critiques.

Signification et Revendications
L'article affirme que le cadre proposé offre une alternative robuste et pilotée par les données pour la modélisation de systèmes dotés de cinétiques conservées. Sa principale signification réside dans l'intégration explicite des lois de conservation physique dans la fonction de perte, ce qui empêche l'accumulation d'erreurs non physiques communes dans les modèles ML autoregressifs standards.

Les auteurs soulignent que le modèle ne se contente pas d'atteindre une précision pixel à pixel, mais apprend avec succès les comportements statistiques et dynamiques sous-jacents du système. Cela inclut :

1. La préservation de la quantité conservée (paramètre d'ordre) sur de longues échelles de temps.
2. La capture des cinétiques de croissance correctes (loi de Lifshitz–Slyozov).
3. La reproduction de la mise à l'échelle dynamique et de l'évolution morphologique.

Ce travail suggère que cette approche peut être étendue à d'autres systèmes dynamiques complexes régis par des cinétiques conservées, à condition que la loi de conservation spécifique soit connue et puisse être encodée dans l'objectif d'entraînement. Les auteurs notent que les travaux futurs pourraient viser à apprendre ces lois de conservation directement pendant l'entraînement, plutôt que de nécessiter une connaissance préalable.