SCULPT: An Interactive Machine Learning Platform for Analyzing Multi-Particle Coincidence Data from Cold Target Recoil Ion Momentum Spectroscopy

Het artikel introduceert SCULPT, een interactief webgebaseerd machine learning-platform dat geavanceerde technieken zoals UMAP en adaptieve confidence scoring gebruikt om hoogdimensionale multi-deeltjes coincidentiegegevens van COLTRIMS-experimenten te analyseren, waardoor efficiënte ontdekking van zeldzame gebeurtenissen en correlaties in de atoom- en moleculenfysica mogelijk wordt.

De kern

Stel je voor dat je een detective bent die een misdaad probeert op te lossen, maar in plaats van een paar getuigen heb je er miljoenen, en ze spreken allemaal tegelijk een andere taal. Dit is de uitdaging waar wetenschappers voor staan wanneer ze bestuderen hoe moleculen uit elkaar vallen.

Het Probleem: Een Chaotische Menigte
In experimenten genaamd "Cold Target Recoil Ion Momentum Spectroscopy" (COLTRIMS) schieten wetenschappers deeltjes op moleculen om te zien hoe ze uiteenvallen. Wanneer een molecuul zoals water uit elkaar valt, splitst het niet simpelweg in twee stukken; het kan in één keer ontploffen in vijf of meer stukken (ionen en elektronen).

Elke enkele "ontploffing" genereert een enorme hoeveelheid data. Voor één gebeurtenis registreert de computer de snelheid en richting van elk stuk. Als je alle hoeken, energieën en snelheden optelt, eindig je met een lijst van 50 of meer getallen voor elke enkele gebeurtenis. Wanneer je miljoenen van deze gebeurtenissen hebt, is het alsof je probeert een specifiek patroon te vinden in een orkaan van data. Traditionele methoden zijn als het kijken naar de orkaan door een sleutelgat; je ziet slechts één of twee dimensies tegelijk en mist het grotere plaatje van hoe de stukken met elkaar samenhangen.

De Oplossing: SCULPT
De auteurs van dit artikel presenteren een nieuwe softwaretool genaamd SCULPT (Supervised Clustering and Uncovering Latent Patterns with Training). Denk aan SCULPT als een slimme, interactieve 3D-kaartgenerator die wetenschappers helpt navigeren door deze data-orkaan.

Hier is hoe het werkt, met behulp van eenvoudige analogieën:

1. De "Magische Kaart" (UMAP)

Stel je voor dat je een enorme, rommelige stapel gekleurde knikkers hebt. Sommige zijn rood, sommige blauw, sommige groen, maar ze liggen allemaal door elkaar in een doos met 50 dimensies die je niet kunt zien. Je wilt ze sorteren op kleur.
SCULPT gebruikt een techniek genaamd UMAP om deze doos met 50 dimensies af te vlakken tot een simpele 2D-kaart (zoals een plat vel papier).

• De Magie: Het knijpt de data niet zomaar samen; het ordent de knikkers op een slimme manier zodat gelijkaardige (die op vergelijkbare wijze uit elkaar vielen) naast elkaar belanden, terwijl verschillende ver uit elkaar blijven. Plotseling zie je duidelijke "eilanden" van kleuren die voorheen verborgen waren in het chaos.

2. De "Vertrouwenmeter" (Confidence Scoring)

Wanneer je naar een kaart kijkt, hoe weet je dan of de eilanden echt zijn en niet slechts een lichttruc?
SCULPT bevat een Vertrouwenmeter. Het toont je niet alleen de kaart; het berekent een score om je te vertellen: "Hé, deze groepen zijn zeer distinct," of "Wees voorzichtig, deze groepen overlappen mogelijk."

• Het controleert de kaart aan de hand van verschillende regels (zoals controleren of de eilanden strak bij elkaar zitten of duidelijk gescheiden zijn van de lege ruimte).
• Het combineert deze controles tot één enkele score. Als de score hoog is, weet de wetenschapper: "Oké, ik kan deze groepering vertrouwen." Als hij laag is, weten ze dat ze een andere hoek moeten proberen.

3. De "Filter" (De data schoonmaken)

Soms is de data te luidruchtig, alsof je probeert een fluistering te horen in een druk stadion.
SCULPT stelt wetenschappers in staat om te werken als een geluidstechnicus. Ze kunnen filters gebruiken om:

• In te zoomen: Focus uitsluitend op de luidste stemmen (de meest voorkomende gebeurtenissen).
• De frequentie af te stemmen: Negeer het achtergrondlawaai en luister alleen naar specifieke soorten geluiden (specifieke energieniveaus of hoeken).
  Dit helpt hen zeldzame gebeurtenissen te isoleren die misschien verborgen zitten in de menigte.

4. De "Autopiloot" (Genetische programmering)

Soms weten wetenschappers niet welke getallen ze moeten bekijken om de puzzel op te lossen.
SCULPT heeft een functie die werkt als een autopiloot voor ontdekking. Het kan automatisch verschillende getallen mixen en matchen (zoals het combineren van "snelheid" met "hoek") om te zien of een nieuw, verborgen patroon naar voren komt. Het is alsof een chef-kok steeds nieuwe kruidencombinaties uitprobeert totdat hij het perfecte recept vindt dat de smaken laat exploderen.

De Realiteitstest: Het Watermolecuul

Om te bewijzen dat het werkt, gebruikte het team SCULPT om data te analyseren van D2O (een zware versie van water).

• Het Doel: Ze wilden de verschillende manieren waarop het watermolecuul kan uit elkaar vallen, scheiden. Er waren 8 verschillende "kwantumtoestanden" (verschillende manieren waarop het molecuul kon vibreren of draaien voordat het uit elkaar viel).
• Het Resultaat: Traditionele methoden hadden moeite om deze 8 toestanden te scheiden omdat hun data er zeer gelijk uitzag. SCULPT slaagde er echter wel in om ze in kaart te brengen. Het ontdekte dat sommige toestanden zich verstopten binnen hetzelfde "eiland" op de kaart. Door de Vertrouwenmeter te gebruiken en specifieke secties opnieuw in kaart te brengen, scheidde de software ze uit elkaar en onthulde alle 8 distincte toestanden duidelijk.

Waarom Dit Belangrijk Is

SCULPT is als het geven van een high-tech microscoop voor data aan wetenschappers. In plaats van wekenlang handmatig miljoenen getallen te sorteren, kunnen ze interactief de data verkennen, verborgen patronen vinden en direct op de resultaten vertrouwen. Het verandert een berg verwarrende getallen in een helder, navigeerbaar landschap, waardoor onderzoekers zeldzame en belangrijke gebeurtenissen kunnen opsporen die voorheen onzichtbaar waren.

De software is open en webgebaseerd, wat betekent dat elke wetenschapper het kan gebruiken zonder een computerexpert te hoeven zijn, waardoor de complexe wereld van moleculaire fysica veel toegankelijker wordt.

Technische samenvatting

Technische Samenvatting: SCULPT – Een Interactief Machine Learning-platform voor COLTRIMS-data-analyse

Probleemstelling
Cold Target Recoil Ion Momentum Spectroscopy (COLTRIMS), of "reactiemicroscopie", maakt kinematisch volledige metingen van meerdeeltjesfragmentatieprocessen mogelijk, waarbij multidimensionale datasets worden gegenereerd (vaak met meer dan 50 kenmerken per gebeurtenis, inclusief 3D-momentumvectoren, massa-ladingverhoudingen en afgeleide grootheden zoals Kinetic Energy Release). Hoewel krachtig, staat de analyse van deze tientallen miljoenen gebeurtenissen met traditionele methoden voor aanzienlijke uitdagingen:

1. Beperkingen op basis van projectie: Het reduceren van data tot 1D- of 2D-histogrammen verbergt vaak kritieke meerdimensionale correlaties.
2. Bias door sequentiële filtering: Het toepassen van cuts op specifieke parameters kan bias introduceren en onverwachte patronen verbergen.
3. Handmatige kenmerkenontwikkeling: De afhankelijkheid van domeinexpertise voor het construeren van observabelen kan niet-intuïtieve relaties missen.
4. Incompatibiliteit van hulpmiddelen: Bestaande machine learning (ML) hulpmiddelen missen specifieke op de natuurkunde gebaseerde beperkingen, configureerbare moleculaire profielen en interactieve exploratiemogelijkheden die zijn toegesneden op tabellarische momentum-spectroscopiedata.

Methodologie
De auteurs presenteren SCULPT (Supervised Clustering and Uncovering Latent Patterns with Training), een webplatform gebaseerd op Python en het Plotly Dash-framework. Het integreert geavanceerde ML-technieken met op de natuurkunde gebaseerde analyse via een modulaire architectuur:

• Dataverwerking & Natuurkundige Kenmerken: Het systeem stelt gebruikers in staat moleculaire profielen (deeltjestypes, massa's, ladingen) te definiëren zonder code-aanpassingen. Het berekent automatisch natuurkundige kenmerken zoals individuele deeltjeskinetische energieën, Kinetic Energy Release (KER), sommen/verdeling van elektronenergie en hoeken tussen deeltjes.
• Dimensionaliteitsreductie:
  • UMAP: Het primaire hulpmiddel voor niet-lineaire dimensionaliteitsreductie. Het construeert een topologische representatie van multidimensionale data, waarbij zowel lokale buurverhoudingen als globale structuur behouden blijven. Het wordt gebruikt om niet-lineaire correlaties tussen momentumcomponenten en afgeleide natuurkundige grootheden bloot te leggen.
  • Deep Autoencoders: Een symmetrisch neuronaal netwerk (encoder-decoder), geïmplementeerd in PyTorch, is beschikbaar voor kenmerkenlering, waarbij invoerdata wordt gecomprimeerd tot een laagdimensionale latente ruimte om essentiële variantie in fragmentatiedynamiek vast te leggen.
• Ontdekking van Kenmerken: Het platform maakt gebruik van Genetische Programmering met symbolische regressie om interpreteerbare wiskundige combinaties van invoerkenmerken te ontdekken, met als doel niet-triviale relaties te vinden die standaard natuurkundige parameters zouden kunnen missen.
• Adaptieve Confidence-scoring: Een nieuw systeem biedt kwantitatieve betrouwbaarheidsbeoordelingen voor clusteringresultaten. Het berekent een gewogen confidence-score ($C$) op basis door de gebruiker geselecteerde metrieken:
  • Tier 1 (Hoge Betrouwbaarheid): Silhouette Score (cohesie/scheiding) en Hopkins-statistiek (clusteringtendens).
  • Tier 2 (Matige Betrouwbaarheid): Clusterstabiliteit (via ruisinjectie), Natuurkundige consistentie (variantieratio's van sleutel natuurkundige parameters) en Calinski-Harabasz-index.
  • Tier 3 (Lage Betrouwbaarheid): Davies-Bouldin-index (sterk afgezwakt vanwege gevoeligheid voor niet-sferische cluster vormen die veel voorkomen bij UMAP).
  • Het systeem houdt ook de Ruisratio bij via DBSCAN-clustering en past asymptotische schalingsbonussen toe voor uitzonderlijke resultaten, terwijl scores worden afgekap voor ernstige mislukkingen.
• Interactieve Filtering & Visualisatie: Gebruikers kunnen data filteren via selectie van kenmerken, dichtheidsgebaseerde filtering (verwijdering van schaarse uitschieters in UMAP- of kenmerkenruimte) en filtering op natuurkundige parameters (bijv. specifieke KER-bereiken). Interactieve selectietools (lasso, vakje) stellen gebruikers in staat gebeurtenissen te isoleren en subsets opnieuw te analyseren.

Belangrijkste Bijdragen

1. Integratie van op de natuurkunde gebaseerde ML: SCULPT overbrugt de kloof tussen generieke ML-hulpmiddelen en specifieke experimentele vereisten door UMAP te integreren met geautomatiseerde berekening van natuurkundige kenmerken en configureerbare moleculaire systemen.
2. Adaptieve Betrouwbaarheidsbeoordeling: De introductie van een gewogen, multi-tier confidence-scoresysteem adresseert het gebrek aan objectieve kwaliteitsmetrieken in exploratieve ML-analyse van wetenschappelijke data.
3. Iteratieve, hypothese-gedreven workflow: Het platform maakt een dynamische workflow mogelijk waarbij gebruikers subsets van data iteratief kunnen verfijnen, kenmerken aanpassen en opnieuw clusteren om specifieke kwantumtoestanden of reactiepaden te isoleren, geleid door zowel visuele inspectie als kwantitatieve scores.
4. Geautomatiseerde Ontdekking van Kenmerken: De opname van genetische programmering maakt geautomatiseerde ontdekking van wiskundige kenmerkcombinaties mogelijk die clusterseparatie verbeteren buiten standaard fysieke observabelen.

Resultaten: Case Study D2O Dubbele Ionisatie
Het platform werd gevalideerd met een dataset van $\sim$1,9 miljoen coincidentiegebeurtenissen uit de foto-dubbele ionisatie van D$_2$O (61 eV), resulterend in D$^+$ + D$^+$ + O + 2e$^-$. De grondwaarheid bestond uit acht distincte dication-kwantumtoestanden.

• Initiale Analyse: Een initiële UMAP-projectie met KER, totale elektronenergie, totale energie en ion-ionhoeken identificeerde vijf clusters. Twee clusters bevatten enkele kwantumtoestanden, terwijl drie gemengd waren.
• Iteratieve Verfijning: Door gemengde clusters te isoleren en UMAP opnieuw uit te voeren met geoptimaliseerde kenmerkensets, slaagden de auteurs erin de resterende toestanden te scheiden. Bijvoorbeeld, een cluster met drie toestanden werd opgesplitst in twee, en vervolgens in individuele toestanden, waarbij de confidence-score toenam van 0,70 naar 0,79 naarmate de scheiding fysiek distinct werd.
• Prestatie van Metrieken: Het confidence-scoresysteem bleek effectief; hoge scores correleerden met succesvolle fysieke scheiding, terwijl lage scores (bijv. 0,14) correct slechte scheiding aangeven wanneer suboptimale kenmerken werden gekozen. Het systeem slaagde erin gevallen te hanteren waarbij kwantumtoestanden overlappende kinematische handtekeningen hadden (bijv. 3B$_1$ en 1B$_1$-toestanden met vergelijkbare KER), waarbij de Hopkins-statistiek werd gebruikt om de onderliggende clusteringtendens te valideren ondanks bescheiden silhouette-scores.

Betekenis en Claims
Het artikel claimt dat SCULPT een aanzienlijke vooruitgang vertegenwoordigt in de analyse van meerdeeltjescoincidentiedata door onderzoekers in staat te stellen gedetailleerde informatie uit multidimensionale data efficiënter te extraheren dan met gevestigde hulpmiddelen.

• Toegankelijkheid: Het webgebaseerde, modulaire ontwerp maakt geavanceerde ML-analyse toegankelijk voor de bredere atomaire en moleculaire fysicagemeenschap, waardoor de tijd die nodig is voor complexe meerdimensionale analyses wordt verkort.
• Detectie van Zeldzame Gebeurtenissen: Het platform faciliteert de identificatie en isolatie van zeldzame gebeurtenissen met niet-lineaire correlaties op het moment zelf, wat experimentele exploratie kan sturen en de efficiëntie kan verbeteren.
• Toekomstpotentieel: De auteurs suggereren dat het platform de basis legt voor AI-gedreven ontdekking in meerdeeltjes-kwantumdynamica. Zij stellen toekomstige integratie van "digital-twin"-simulaties en agent-gebaseerde capaciteiten voor om autonoom niet-standaard dissociatiegedrag te identificeren (zoals het "slingshot-mechanisme" in water-dicationtoestanden) dat de axiale-recoilbenadering schendt en moeilijk te detecteren is via traditionele handmatige analyse.
• Breder Impact: Hoewel gefocust op COLTRIMS, stellen de auteurs dat de aanpak van het combineren van dimensionaliteitsreductie met domeinspecifieke beperkingen andere velden zou kunnen baten die te maken hebben met grote, meerparameterige tabellarische datasets, zoals kwantuminformatiewetenschap, farmaceutica en lucht- en ruimtevaart.

Het werk wordt gepresenteerd als een hulpmiddel om fysieke intuïtie te ondersteunen, in plaats van te vervangen, en biedt een datagedreven weg om complexe experimentele resultaten te valideren en te interpreteren.