Auditing Representation Identifiability in Neural Electron-Density Learning

तकनीकी सारांश: न्यूरल इलेक्ट्रॉन-डेंसिटी लर्निंग में प्रतिनिधित्व पहचान क्षमता (Representation Identifiability) का ऑडिट

समस्या विवरण
यह शोध पत्र प्रतिस्थापनीय मिश्र धातुओं (substitutional alloys) में इलेक्ट्रॉन घनत्व (electron densities) की भविष्यवाणी करने वाले मशीन लर्निंग (ML) मॉडलों की एक मौलिक सीमा को संबोधित करता है। जबकि उच्च-क्षमता वाले न्यूरल नेटवर्क जटिल मैपिंग सीख सकते हैं, वे तब विफल हो जाते हैं जब इनपुट प्रतिनिधित्व विशिष्ट भौतिक संरचनाओं को एक ही डिस्क्रिप्टर में समाहित (collapse) कर देता है। विशेष रूप से, यह अध्ययन "स्थानीय रूप से प्रजाति-अंध" (locally species-blind) वॉल्यूमेट्रिक प्रतिनिधित्वों की जांच करता है जहाँ परमाणु ज्यामिति को साझा संरचनात्मक क्षेत्रों (shared structural fields) में जमा किया जाता है और रासायनिक जानकारी केवल वैश्विक संरचना (global composition) के माध्यम से प्रदान की जाती है। प्रतिस्थापनीय मिश्र धातुओं में, विभिन्न विन्यास (configurations) एक ही सिमुलेशन सेल, परमाणु निर्देशांक और वैश्विक स्टोइकीओमेट्री साझा कर सकते हैं, लेकिन इस मामले में भिन्न होते हैं कि कौन सी रासायनिक प्रजाति विशिष्ट परमाणु स्थलों (atomic sites) पर कब्जा करती है। लेखक यह प्रदर्शित करते हैं कि साझा प्रतिनिधित्व इन विशिष्ट विन्यासों को समान इनपुट में मैप करते हैं, जिससे एक गैर-पहचान योग्य (non-identifiable) परिदृश्य उत्पन्न होता है जहाँ एक ही इनपुट कई अलग-अलग DFT इलेक्ट्रॉन घनत्व लक्ष्यों के अनुरूप होता है। यह एक आर्किटेक्चर-स्वतंत्र त्रुटि तल (error floor) लागू करता है जिसे मॉडल की क्षमता बढ़ाकर भी दूर नहीं किया जा सकता।

कार्यप्रणाली
यह अध्ययन एक तैनात करने योग्य, ग्रिड-आधारित ढांचे का उपयोग करता है जिसे StructureChem कहा जाता है, जो एक 3D U-Net आर्किटेक्चर के रूप में कार्यान्वित है। शोध दो प्रकार के इनपुट प्रतिनिधित्वों की तुलना करता है:

1. साझा प्रतिनिधित्व (Locally Species-Blind): दो कुल गॉसियन परमाणु-निक्षेपण क्षेत्रों (सभी परमाणुओं को प्रजातियों की परवाह किए बिना जोड़ते हुए) और एक एकल वैश्विक संरचना चैनल का उपयोग करता है। यह प्रतिनिधित्व साइट पुनर्रचना (site reassignment) के प्रति अपरिवर्तनीय है।
2. प्रजाति-विशिष्ट प्रतिनिधित्व (Species-Resolved Representation): वैश्विक संरचना चैनल के साथ-साथ प्रत्येक रासायनिक प्रजाति (जैसे, Al, Fe, और Ni के लिए अलग-अलग क्षेत्र) के लिए अलग-अलग गॉसियन निक्षेपण क्षेत्रों का उपयोग करता है। यह प्रतिनिधित्व बदल जाता है जब प्रजातियों को स्थलों के बीच बदला जाता है।

मूल्यांकन के लिए दो डेटासेट का उपयोग किया गया है:

• समूहीकृत Al–Fe–Ni डेटासेट: cfg_id द्वारा विभाजित 4,002 विन्यास, ताकि प्रशिक्षण, सत्यापन और परीक्षण सेटों के बीच कोई संरचनात्मक ओवरलैप न हो।
• क्वेनरी क्रॉस-सिस्टम स्ट्रेस टेस्ट: एक निश्चित-संरचना $Al_2Fe_2Ni_2Co_2Cr_2$ डेटासेट, जिसे उच्च-घटक प्रणाली में पहचान क्षमता का परीक्षण करने के लिए डिज़ाइन किया गया है।

लेखक कई कठोर ऑडिट तंत्रों का उपयोग करते हैं:

• समान-ज्यामिति काउंटरफैक्चुअल्स (Same-Geometry Counterfactuals): समान ज्यामिति और संरचना लेकिन भिन्न साइट असाइनमेंट वाले संरचनाओं के जोड़े का उपयोग यह मापने के लिए किया जाता है कि मॉडल DFT घनत्व अंतर को कितनी अच्छी तरह पुनः प्राप्त कर सकता है। इसमें रिकवरी रेश्यो (अनुमानित और DFT घनत्व-अंतर परिमाणों का अनुपात) और घनत्व-अंतर सहसंबंध (density-difference correlation) शामिल हैं।
• स्केल-मैच्ड कंट्रोल्स (Scale-Matched Controls): स्थानीय पहचान के प्रभावों को इनपुट स्केलिंग से अलग करने के लिए, ऑक्यूपेंसी-वेटेड प्रजाति क्षेत्रों को उनके वैलेंस-वेटेड क्षेत्रों के माध्य और विचरण से मेल खाने के लिए एफाइनली रीस्केल किया गया है।
• चैनल परम्यूटेशन टेस्ट (Channel Permutation Tests): यह सत्यापित करने के लिए कि क्या मॉडल सही प्रजाति-साइट पत्राचार (correspondence) पर निर्भर है, इनपुट चैनलों को जानबूझकर परिवर्तित (जैसे, Al और Fe क्षेत्रों को बदलना) किया गया।

प्रमुख योगदान और परिणाम

• अपभ्रष्टता का औपचारिक प्रमाण (Formal Proof of Degeneracy): यह शोध गणितीय रूप से सिद्ध करता है कि किसी भी नियतात्मक प्रेडिक्टर $f$ के लिए, यदि $R_{shared}(S_1) = R_{shared}(S_2) = x$ है लेकिन $y_1 \neq y_2$ (जहाँ $y$ DFT घनत्व है), तो इष्टतम भविष्यवाणी औसत $\bar{y} = (y_1+y_2)/2$ है। इसके परिणामस्वरूप एक गैर-शून्य त्रुटि तल $\frac{1}{4M} \|y_1 - y_2\|^2_2$ प्राप्त होता है, जो मॉडल की क्षमता के बावजूद बना रहता है।
• मात्रात्मक प्रदर्शन लाभ: Al–Fe–Ni टेस्ट सेट पर, साझा क्षेत्रों को प्रजाति-विशिष्ट क्षेत्रों से बदलने से लॉग-घनत्व MSE (logMSE) में लगभग 99.5% की कमी आई ( $1.17 \times 10^{-1}$ से $6.19 \times 10^{-4}$ तक)। पैरामीटर गणना में केवल 0.16% की वृद्धि हुई, जो पुष्टि करती है कि यह लाभ सूचना संरक्षण के कारण है, न कि क्षमता के कारण।
• भौतिक प्रतिक्रिया की रिकवरी: समान-ज्यामिति काउंटरफैक्चुअल परीक्षणों में, साझा मॉडल साइट पुनर्रचना के प्रति प्रतिक्रिया देने में विफल रहा, जिससे मेडियन रिकवरी रेश्यो $8.0 \times 10^{-5}$ और सहसंबंध शून्य के करीब रहा। इसके विपरीत, प्रजाति-विशिष्ट मॉडल ने 0.992 का मेडियन रिकवरी रेश्यो और 0.9994 का सहसंबंध प्राप्त किया, जो DFT घनत्व प्रतिक्रिया के परिमाण और स्थानिक पैटर्न दोनों को सटीक रूप से पुनरुत्पादित करता है।
• तंत्र का सत्यापन: चैनल परम्यूटेशन परीक्षणों ने दिखाया कि प्रजातियों के चैनलों को बदलने से त्रुटि 640–690× के कारकों से बढ़ गई, जो पुष्टि करता है कि मॉडल सक्रिय रूप से सही प्रजाति-साइट मैपिंग का उपयोग करता है न कि केवल अतिरिक्त इनपुट चैनलों का लाभ उठाता है।
• क्रॉस-सिस्टम प्रतिकृति: इन निष्कर्षों को पांच-घटक ($Al_2Fe_2Ni_2Co_2Cr_2$) प्रणाली में दोहराया गया, जहाँ प्रजाति-विशिष्ट मॉडल ने 0.967 का मेडियन रिकवरी और 0.994 का घनत्व-अंतर सहसंबंध प्राप्त किया, जबकि साझा मॉडल पूरी तरह विफल रहा (रिकवरी $\approx 0$)।

महत्व और दावे
यह शोध पत्र स्थापित करता है कि प्रतिस्थापनीय मिश्र धातुओं के लिए पहचान योग्य ग्रिड-आधारित इलेक्ट्रॉन-घनत्व लर्निंग के लिए साइट-लोकल रासायनिक पहचान (site-local chemical identity) एक आवश्यक शर्त है। लेखक का तर्क है कि जबकि वैश्विक संरचना साइट परम्यूटेशन के प्रति अपरिवर्तनीय कार्यों के लिए पर्याप्त है, फील्ड-वैल्यूड इलेक्ट्रॉनिक मात्राएं स्थानीय वातावरण के प्रति संवेदनशील होती हैं। फलस्वरूप, रासायनिक रूप से विषम सामग्रियों (जैसे प्रतिस्थापनीय मिश्र धातु, इंटरफेस, या डोप्ड सामग्री) के लिए कोई भी तैनात करने योग्य डेंसिटी सरोगेट को स्पष्ट रूप से रासायनिक प्रजाति और परमाणु स्थलों के बीच पत्राचार को कूटबद्ध (encode) करना चाहिए।

यह कार्य सूचना हानि का पता लगाने के लिए एक व्यावहारिक ऑडिट फ्रेमवर्क प्रदान करता है। यह वास्तुशिल्प सीमाओं और प्रतिनिधित्व संबंधी बाधाओं (representational bottlenecks) के बीच अंतर करता है, यह दिखाते हुए कि क्षमता बढ़ाने से उन इनपुट को ठीक नहीं किया जा सकता जो लक्ष्य-निर्धारक जानकारी को त्याग देते हैं। लेखक विनम्रतापूर्वक नोट करते हैं कि हालांकि प्रजाति-विशिष्ट गॉसियन क्षेत्र पहचाने गए अपभ्रष्टता (degeneracy) को हल करते हैं, वे एकमात्र संभावित समाधान नहीं हैं; वैकल्पिक एनकोडिंग (जैसे, स्थानीय रासायनिक एम्बेडिंग या इक्विवेरिएंट ग्राफ) को भी साइट-लोकल प्रजाति असाइनमेंट के संबंध में इंजेक्टिविटी (injectivity) की आवश्यकता को पूरा करना चाहिए। अध्ययन ने विशेषाधिकार प्राप्त मेटाडेटा (जैसे, व्यवधान लेबल) को बाहर रखा है ताकि यह सुनिश्चित हो सके कि निष्कर्ष केवल प्रजातियों, निर्देशांकों और सेल जानकारी से निर्मित तैनात मॉडलों पर लागू होते हैं।