Tensor Network Machine Learning for Wildfire Susceptibility Mapping: from Grokking Dynamics to Quantum Mixedness of Class Representations

Sintesi Tecnica: Apprendimento Automatico con Reti Tensoriali per la Mappatura della Suscettibilità agli Incendi Boschivi

Definizione del Problema
Lo studio affronta la sfida di mappare la suscettibilità agli incendi boschivi nella regione del Gargano, in Italia meridionale, un paesaggio mediterraneo caratterizzato da un'elevata eterogeneità ambientale, che include diverse strutture della vegetazione, modelli di uso del suolo e pressioni antropiche. La modellazione tradizionale degli incendi boschivi si basa su strati predittori armonizzati manualmente (ad esempio, carico di combustibile, copertura del suolo, indici climatici), il che può essere computazionalmente intensivo e difficile da scalare. Inoltre, gli approoli standard di apprendimento automatico spesso faticano a catturare le complesse relazioni spaziali-spettrali non lineari intrinseche nei grandi dataset di Osservazione della Terra (EO) senza incorrere in elevati costi computazionali o mancare di interpretabilità riguardo alla separabilità delle classi. Gli autori mirano a valutare se i modelli di reti tensoriali di ispirazione quantistica, specificamente gli Stati a Prodotto di Matrici (MPS), possano classificare efficacemente la suscettibilità agli incendi utilizzando rappresentazioni geospaziali compatte e apprese, fornendo al contempo approfondimenti fisicamente fondati sulla dinamica dell'apprendimento e sulla distinguibilità delle classi.

Metodologia
Il framework proposto integra l'elaborazione geospaziale scalabile con l'apprendimento automatico di ispirazione quantistica:

1. Rappresentazione dei Dati (AlphaEarth Embeddings):

   • Lo studio utilizza AlphaEarth Foundations, un campo di embedding globale che trasforma dati ambientali eterogenei (immagini multispettrali, indici di vegetazione, topografia, clima) in un vettore compatto a 64 dimensioni per ogni pixel di $10m \times 10m$.
   • Questo embedding funge da rappresentazione latente unificata dello stato ambientale, riducendo la necessità di ingegneria manuale delle caratteristiche (feature engineering).
   • Viene applicata la selezione delle caratteristiche Boruta per identificare il sottoinsieme più informativo di caratteristiche (30 dimensioni) al fine di ridurre la ridondanza prima dell'addestramento del modello.

2. Architettura del Modello (Classificatore a Stato a Prodotto di Matrici):

   • L'architettura di apprendimento centrale è un classificatore Matrix Product State (MPS), un modello di rete tensoriale che codifica le correlazioni ad alta dimensione attraverso decomposizioni a basso rango.
   • Codifica Quantistica: I vettori di input sono mappati in uno spazio di Hilbert ad alta dimensione tramite una mappa di caratteristiche $|\phi(x^{(j)})\rangle = (\cos x^{(j)}, \sin x^{(j)})^\top$.
   • Maschera Quantistica: Un oggetto tensoriale variazionale, denominato "maschera quantistica" ($W$), agisce sullo stato codificato. $W$ è espresso in forma MPS con una dimensione di legame (bond dimension) $\chi$ regolabile, che permette di controllare la complessità del modello.
   • Addestramento: Il modello viene addestrato minimizzando una perdita di errore quadratico medio tra le ampiezze predette e le codifiche dei target, utilizzando un aggiornamento a due siti con discesa del gradiente stocastico (SGD) su mini-batch, eseguito su GPU NVIDIA H100.
   • Formulazioni del Compito: Il modello è valutato su due compiti:
     • Classificazione Binaria: Classe 0 (assenza/suscettibilità trascurabile) rispetto alle Classi 1–3 (suscettibilità aggregata).
     • Classificazione Multiclasse: Distinzione tra tutte e quattro le classi (0, 1, 2, 3).

3. Metriche Diagnostiche:

   • Oltre alla precisione standard, lo studio introduce diagnostiche di miscelità risolte per livello basate su matrici di densità ridotta.
   • Le metrice chiave includono i fattori di decoerenza a coppie ($\Gamma_{ij}$), i determinanti di triplette normalizzati ($\Delta_{ijk}$) e le purità condizionali. Questi quantificano il grado di distinguibilità e coerenza tra le rappresentazioni delle classi all'interno della rete tensoriale appresa.

Risultati Chiave

1. Performance Predittiva:

   • Compito Binario: Il classificatore MPS ha raggiunto un'accuratezza dell'87,07%, con un'alta sensibilità (91,13%) e specificità (83,02%).
   • Compito Multiclasse: Il modello ha raggiunto un'accuratezza complessiva del 53,01%. Le performance variano per classe, con la Classe 0 (75,47%) e la Classe 3 (62,49%) che ottengono risultati migliori rispetto alle classi intermedie 1 (35,88%) e 2 (38,21%).
   • Sebbene il benchmark Random Forest riportato in letteratura riferisca un'accuratezza superiore (>95%) per questa specifica regione, i risultati dell'MPS sono presentati come una dimostrazione complementare della capacità del modello di apprendere dagli embedding e rivelare le dinamiche interne.

2. Dinamiche di Grokking:

   • Le traiettorie di addestramento hanno rivelato una distinta transizione di grokking, particolarmente nel compito di classificazione binaria.
   • Inizialmente, il modello ha mostrato un divario tra le performance di training e di test, suggerendo la memorizzazione di correlazioni superficiali.
   • Tra 400 e 600 sweep di addestramento, si è verificata una transizione netta in cui la sensibilità e l'accuratezza di test sono migliorate bruscamente, allineandosi con le metriche di training. Ciò indica una riorganizzazione della rappresentazione interna dalla memorizzazione alla cattura della struttura sottostante del problema di classificazione.
   • Nel contesto multiclasse, questa transizione è stata gerarchica e distribuita: il modello ha prima imparato a separare la Classe 0 dominante dal resto, e solo successivamente ha affinato la sua capacità di distinguere tra le classi minoritarie (1, 2, 3).

3. Pattern di Magnetizzazione:

   • Il monitoraggio dei valori di aspettazione dell'operatore di Pauli $\sigma_Z$ (magnetizzazione) attraverso i siti delle caratteristiche ha mostrato che la maschera quantistica si stabilizza in pattern coerenti che coincidono con la transizione di grokking.
   • Il pattern di magnetizzazione per la Classe 0 nel contesto multiclasse è quasi identico a quello nel contesto binario, suggerendo una rappresentazione gerarchica stabile, dove la separazione binaria è una proiezione grossolana della struttura multiclasse.

4. Miscelità Quantistica e Distinguibilità delle Classi:

   • L'analisi delle matrici di densità ridotta ha rivelato una proprietà geometrica fondamentale della rappresentazione appresa: le classi non adiacenti sono più distinguibili di quelle adiacenti.
   • Fattori di Decoerenza: Le coppie di classi adiacenti (es. 1-2, 2-3) mantengono una coerenza più elevata (maggiore $\Gamma_{ij}$), indicando che sono più difficili da separare. Le coppie non adiacenti (es. 0-2, 0-3) mostrano una coerenza inferiore, segnalando una migliore separazione.
   • Determinanti di Triplette: Le triplette che coinvolgono classi non adiacenti (es. 0-1-3) si sono stabilizzate su valori più alti rispetto a quelle con sole classi adiacenti (es. 1-2-3), confermando che l'ambiente codifica informazioni più indipendenti per le categorie distanti.
   • Questa gerarchia spiega gli errori di classificazione osservati, che sono prevalentemente localizzati tra i livelli di suscettibilità vicini piuttosto che tra le classi estreme.

Significatività e Rivendicazioni
L'articolo sostiene che i modelli di reti tensoriali offrono molto più di una semplice accuratezza di classificazione competitiva; essi fornisiscono un framework fisicamente fondato per interpretare complessi dataset ambientali.

• Interpretabilità: A differenza dei modelli standard "black-box", l'approccio MPS consente la quantificazione diretta della separabilità e della coerenza delle classi attraverso osservabili quantistici (magnetizzazione, miscelità).
• Apprendimento Gerarchico: I risultati dimostrano che il modello codifica naturalmente una gerarchia di distinguibilità delle classi, dove le distinzioni ampie (bassa vs alta suscettibilità) vengono apprese prima delle distinzioni fini (tra livelli moderati).
• Grokking nei Dati Ambientali: Lo studio identifica che il fenomeno del "grokking" — un miglioramento della generalizzazione ritardato ma brusco — è presente nei classificatori MPS applicati a dati geospaziali reali, collegando questa dinamica alla stabilizzazione delle rappresentazioni quantistiche interne.
• Scalabilità: Sfruttando gli embedding AlphaEarth, l'approccio offre un'alternativa scalabile all'ingegneria manuale dei predittori, capace di gestire dati EO eterogenei e multi-fonte.

Gli autori concludono che, sebbene il classificatore MPS non abbia ancora superato l'accuratezza predittiva dei modelli Random Forest stabiliti per questo specifico compito, esso fornisce una descrizione più ricca e geometricamente interpretabile del processo di apprendimento e della struttura intrinseca delle etichette di suscettibilità agli incendi boschivi.