PAC Studio Machine Learning: Human-in-the-Loop Analysis of TDPAC Spectra

技術要約: PAC Studio ML

問題提起
時間差分摂動角相関（TDPACまたはPAC）分光法は、凝縮系における超微細パラメータ（電場勾配、磁場、サイト分率）を決定するための強力な局所プローブ技術である。しかし、実験スペクトルからこれらの物理パラメータを抽出することは、不良設定（ill-conditioned）の逆問題となる。測定された $R(t)$ 曲線は、サイト数、相互作用の種類、角度パラメータ、および減衰項の様々な組み合わせが視覚的に類似したスペクトル形状を生み出す可能性のある、微視的な構成の圧縮投影である。その結果、従来の非線形最小二乗法によるフィッティングは、初期値、サイトモデルの仮説、およびパラメータ範囲に対して非常に敏感である。これらの変数の手動探索は時間がかかり、再現性が難しく、物理的な一意性を欠く局所解に収束しやすい。機械学習（ML）は逆解析において可能性を提供しているが、既存のアプローチは透明性に欠け、従来のフィッティングワークフローとの統合に失敗しているか、あるいはMLを専門家の判断を支援するものではなく、専門家の判断に代わる「ブラックボックス」として扱っている。

手法
本論文では、PAC解析のプレフィッティングおよびモデルスクリーニング段階をサポートするために設計された、ヒューマン・イン・ザ・ループ型のPythonデスクトップ環境である PAC Studio ML を紹介する。ソフトウェアアーキテクチャはモジュール式であり、物理ベースのフォワードソルバー、機械学習予測器、および標準的な最小二乗法フィッティングツールを単一のグラフィカルユーザーインターフェース（GUI）内に統合している。

• 物理フォワードエンジン: コアとなる物理層は、結合した電気的および磁気的な超微細相互作用を計算するためにハミルトニアン行列形式を利用する。これはハミルトニアンを対角化して遷移周波数を取得し、ウィグナー3j係数を用いて摂動関数 $G_{22}(t)$ を構築することで、合成スペクトルを生成する。これらはガウス型またはローレンツ型で減衰され、サイト分率によって重み付けされ、観測可能な信号 $R(t) = \text{add\_const} + A_{22} G_{22}(t)$ が生成される。
• 合成データ生成: 固定された普遍的なトレーニングセットに頼る代わりに、本ソフトウェアはユーザーが物理的な妥当性領域（$v_Q$, $v_M$, $\eta$, 減衰, ノイズなどの範囲）を定義して、カスタム合成データベースを生成できるようにしている。1サイト、2サイト、および3サイトモデルに対して個別のライブラリが作成され、データは訓練（80%）、検証（10%）、および保持テスト（10%）のセットに分割される。
• 特徴量抽出: 生の $R(t)$ 曲線は、4つのファミリーからなる数値的な特徴ベクトルに変換される：時間領域記述子（振幅、モーメント、傾き）、周波数領域記述子（FFTピーク、帯域幅）、形状記述子（再サンプリング/正規化プロファイル）、および物理情報に基づく記述子（角度周波数プロキシ、相互作用インジケーター）。
• 機械学習モデル: システムは、特徴ベクトルをターゲットパラメータにマッピングするために教師あり学習を採用している。scikit-learnの決定木回帰（ランダムフォレスト、Extra Trees、HistGradientBoosting）を利用し、これらのライブラリが不足している環境ではk近傍法によるフォールバックを行う。角度パラメータは、不連続性を避けるためにサイン/コサイン分解を通じて処理される。
• 予測および精緻化ワークフロー:
  1. 直接予測: 学習済みモデルは、入力スペクトルの特徴ベクトルに基づいて候補パラメータを提案する。
  2. オートサイト・アシスタント: このツールは、RMS残差、BIC型の複雑性スコア、および特徴量距離を用いて候補をランク付けしながら、1サイト、2サイト、および3サイトモデルの合成データベースをスキャンする。
  3. MLシード精緻化: 予測されたパラメータは、従来の非線形最小二乗法フィッティングの初期値として機能する。
  4. セーフガード: 予測後の補正には、FFTピークの整列、ロバストな振幅/ベースライン校正、および実験曲線に対する残差ベースの候補再ランク付けが含まれる。
• 再現性インフラストラクチャ: 本ソフトウェアには、初期化戦略、アブレーションテスト、および経験的な不確実性校正をベンチマークするためのツールが含まれている。監査可能性を確保するため、トレーニング範囲、特徴量の定義、および既知の失敗モードを文書化した「モデルカード」を生成する。

主な貢献

• 統合されたヒューマン・イン・ザ・ループ環境: PAC Studio MLは、合成モデリング、データ駆動型の逆予測、および専門家による精緻化の間のギャップを埋め、MLの提案が検査可能かつ制御可能であることを保証する。
• 物理情報に基づく特徴量エンジニアリング: システムは、一般的な信号形状と特定の物理的シグネチャ（例：純粋な電気的相互作用と結合した相互作用の区別）の両方を捉える記述子へと、PACスペクトルを翻訳する。
• 透明なモデル選択: 「オートサイト」アシスタントは、不必要な複雑さにペナルティを課しながら、サイト数の仮説を体系的に比較する手法を提供し、代替となる妥当なモデルを提示する。
• 再現性と診断: モデルカード、アブレーションベンチマーク、および不確実性校正ツールの導入は、典型的な科学へのML適用における「ブラックボックス」的な性質に対処し、ユーザーが予測の信頼性と範囲を評価できるようにする。

結果
論文では、合成保持データおよびBiFeO$_3$ (BFO) の例示的な実験例を用いた「動作証明」の結果を提示している：

• 合成データの回復: 保持された合成テストセットにおいて、グローバルパラメータ（振幅 $A_{22}$ およびベースライン）は高い精度で回復された。磁気周波数（$v_M$）は中程度の回復能を示した。しかし、サイト固有の四重極周波数（$v_Q$）、非対称パラメータ（$\eta$）、角度変数、および減衰項は、特にマルチサイトのシナリオにおいて高い誤差を示した。これは、不良設定のPAC問題における特定のパラメータの非識別性を裏付けている。
• 初期化の効率性: BFOナノ粒子のケーススタディにおいて、MLシードによるフィッティングは、手動による初期化（303回の関数評価）と比較して、より速く（285回の関数評価）収束し、より低い簡約カイ二乗値を達成した。これは、ランダムな開始と比較して大幅に優れた性能を示しており、ランダムな開始は成功率が低く、計算コストが高かった。
• モデルの曖昧性: バルクBFOのケースでは、「オートサイト」ツールは二サイトの結合相互作用モデルを提案したが、文献に基づいた一サイトの純電気モデルも同様に良好なフィットを提供した。これは、複数のモデルファミリーが実験データを再現できることを示しており、物理的に意味のある解を選択するための専門家の判断の必要性を強調している。

意義と主張
著者らは、PAC Studio MLを専門家によるPAC解析の代替ではなく、厳密に支援ツールとして位置づけている。論文では、本ソフトウェアが以下のことを行うと明示的に主張している：

• パラメータ空間およびサイト数の仮説の探索を加速する。
• 非線形最小二乗法の初期化の効率性と安定性を向上させる。
• PAC解析のワークフローにおける再現性と診断の透明性を高める。
• ML予測の限界（不確実性推定およびモデルカードを介して）をユーザーに可視化する。

論文は、普遍的な物理的正確性、すべての実験スペクトルに対する校正された不確実性、またはすべてのPACの曖昧さの解決を主張するものではないと謙虚に述べている。合成テストとBFOの例は、ソフトウェアの動作能力とワークフローへの統合を実証するためのものである。著者らは、包括的な材料固有の結論、完全な不確実性校正、および独立した実験的検証は、後続の物理結果に関する論文のために保留されていると述べている。本研究の主要な貢献は、物理情報に基づいた逆解析のための、再現可能で文書化された、人間中心のソフトウェアプラットフォームの定義である。