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

Technische Samenvatting: PAC Studio ML

Probleemstelling
Tijds-differentieel verstoorde hoekcorrelatie (TDPAC of PAC) spectroscopie is een krachtige lokale sonde-techniek voor het bepalen van hyperfijnparameters (elektrische gradiënten, magnetische velden, site-fracties) in gecondenseerde materie. Het extraheren van deze fysische parameters uit experimentele spectra vormt echter een slecht gestelde inverse probleem. Gemeten $R(t)$-curves zijn gecomprimeerde projecties van microscopische configuraties waarbij verschillende combinaties van site-aantallen, interactietypes, hoekparameters en dempingsfactoren visueel vergelijkbare spectrale vormen kunnen produceren. Bij consequent gevolg is conventionele niet-lineaire kleinste-kwadraten-fitting zeer gevoelig voor initialisatie, site-model hypothesen en parametergrenzen. Handmatige exploratie van deze variabelen is tijdrovend, moeilijk te reproduceren en gevoelig voor convergentie naar lokale minima die geen fysieke uniciteit bezitten. Hoewel machine learning (ML) potentieel biedt voor inverse analyse, missen bestaande benaderingen vaak transparantie, slagen ze er niet in te integreren met conventionele fitting-workflows, of behandelen ze ML als een "black box" die de deskundige beoordeling vervangt in plaats van deze te ondersteunen.

Methodologie
Het artikel introduceert PAC Studio ML, een human-in-the-loop Python desktopomgeving ontworpen om de pre-fitting en model-screening fasen van PAC-analyse te ondersteunen. De softwarearchitectuur is modulair en integreert een natuurkunde-gebaseerde forward solver, machine-learning voorspellers en standaard kleinste-kwadraten-fittingtools binnen één grafische gebruikersinterface (GUI).

• Forward Physics Engine: De kern van de natuurkundelaag maakt gebruik van een Hamiltonian-matrixformalisme om gecombineerde elektrische en magnetische hyperfijninteracties te berekenen. Het genereert synthetische spectra door de Hamiltonian te diagonaliseren om transitiefrequenties te verkrijgen en perturbatiefuncties $G_{22}(t)$ te construeren met behulp van Wigner 3j-coëfficiënten. Deze worden gedempt (Gaussiaans of Lorentziaans) en gewogen door site-fracties om het observeerbare signaal $R(t) = \text{add\_const} + A_{22} G_{22}(t)$ te produceren.
• Synthetische Datageneratie: In plaats van te vertrouwen op vaste, universele trainingssets, stelt de software gebruikers in staat om domeinen van fysische validiteit (bereiken voor $v_Q$, $v_M$, $\eta$, demping, ruis, etc.) te definiëren om aangepaste synthetische databanken te generen. Afzonderlijke bibliotheken worden gemaakt voor één-, twee- en drie-site modellen, waarbij data wordt gesplitst in trainings- (80%), validatie- (10%) en uitgesloten testsets (10%).
• Feature Extractie: Ruwe $R(t)$-curves worden omgezet in numerieke feature-vectoren bestaande uit vier families: tijd-domein beschrijvers (amplitude, momenten, hellingen), frequentie-domein beschrijvers (FFT-pieken, bandbreedte), vorm-beschrijvers (geresampled/genormaliseerde profielen) en natuurkunde-geïnformeerde beschrijvers (hoek-frequentie proxies, interactie-indicatoren).
• Machine Learning Modellen: Het systeem maakt gebruik van supervised learning om feature-vectoren te mappen naar doelparameters. Het maakt gebruik van tree-based regressoren (Random Forest, Extra Trees, HistGradientBoosting) uit scikit-learn, met een k-nearest-neighbor fallback voor omgevingen waar deze bibliotheken ontbreken. Hoekparameters worden afgehandeld via sine/cosine decompositie om discontinuïteit te voorkomen.
• Voorspellings- en Verfijningsworkflow:
  1. Directe Voorspelling: Het getrainde model stelt kandidaat-parameters voor op basis van de feature-vector van het invoerspectrum.
  2. Auto Sites Assistent: Dit hulpmiddel scant synthetische databanken voor één-, twee- en drie-site modellen, waarbij kandidaten worden gerangschikt met behulp van RMS-residuen, BIC-stijl complexiteitsscores en feature-afstanden.
  3. ML-Seeded Refinement: Voorspelde parameters dienen als initialisatie voor conventionele niet-lineaire kleinste-kwadraten-fitting.
  4. Waarborgen: Post-predictie correcties omvatten FFT-piekuitlijning, robuuste amplitude/baseline kalibratie en residu-gebaseerde herrangschikking van kandidaten tegenover de experimentele curve.
• Reproduceerbaarheidsinfrastructuur: De software bevat instrumenten voor het benchmarken van initialisatiestrategieën, ablatie-testen van correctiecomponenten en empirische onzekerheidskalibratie. Het genereert "Model Cards" die trainingsbereiken, feature-definities en bekende foutmodi documenteren om controleerbaarheid te garanderen.

Belangrijkste Bijdragen

• Geïntegreerde Human-in-the-Loop Omgeving: PAC Studio ML overbrugt de kloof tussen synthetische modellering, datagedreven inverse voorspelling en deskundige verfijning, waardoor wordt gewaarborgd dat ML-suggesties inspecteerbaar en controleerbaar blijven.
• Natuurkunde-geïnformeerde Feature Engineering: Het systeem vertaalt PAC-spectra naar beschrijvers die zowel algemene signaalvorm als specifieke fysische signatures vastleggen (bijv. het onderscheiden van pure elektrische versus gecombineerde interacties).
• Transparante Modelselectie: De "Auto Sites" assistent biedt een systematische methode voor het vergelijken van site-aantal hypothesen, waarbij onnodige complexiteit wordt bestraft terwijl alternatieve plausibele modellen worden blootgelegd.
• Reproduceerbaarheid en Diagnostiek: De inclusie van model cards, ablatie-benchmarks en onzekerheidskalibratietools adresseert de "black box"-aard van typische ML-toepassingen in de wetenschap, waardoor gebruikers de betrouwbaarheid en reikwijdte van voorspellingen kunnen beoordelen.

Resultaten
Het artikel presenteert "proof-of-operation" resultaten met behulp van synthetische uitgesloten data en illustratieve experimentele voorbeelden van BiFeO$_3$ (BFO):

• Synthetische Herstel: Op uitgesloten synthetische testsets werden globale parameters (amplitude $A_{22}$ en baseline) met hoge nauwkeurigheid hersteld. Magnetische frequenties ($v_M$) vertoonden een matige herstelbaarheid. Echter, site-specifieke quadrupolaire frequenties ($v_Q$), asymmetrieparameters ($\eta$), hoekvariabelen en dempingsfactoren vertoonden hogere fouten, vooral in multi-site scenario's. Dit bevestigt de niet-identificeerbaarheid van bepaalde parameters in slecht gestelde PAC-problemen.
• Initialisatie-efficiëntie: In een BFO-nanodeeltjes casestudy leidde ML-geïnitieerde fitting sneller tot convergentie (285 functie-evaluaties versus 303 voor handmatig) en bereikte een lagere gereduceerde chi-kwadraat vergeleken met handmatige initialisatie. Het presteerde significant beter dan willekeurige starts, die een lager succespercentage en hogere computationele kosten hadden.
• Modelambiguïteit: In een bulk BFO geval stelde de "Auto Sites" tool een twee-site gecombineerde-interactie model voor, terwijl een literatuur-geïnformeerd één-site puur-elektrisch model een vergelijkbaar goede fit bood. Dit demonstreert dat meerdere modelfamilies experimentele data kunnen reproduceren, wat de noodzaak van deskundige beoordeling bij het selecteren van de fysisch betekenisvolle oplossing versterkt.

Significantie en Claims
De auteurs positioneren PAC Studio ML strikt als een ondersteunend hulpmiddel voor deskundige PAC-analyse, niet als een vervanging daarvan. Het artikel claimt expliciet dat de software:

• De exploratie van de parameterruimte en site-aantal hypothesen versnelt.
• De efficiëntie en stabiliteit van niet-lineaire kleinste-kwadraten-initialisatie verbetert.
• De reproduceerbaarheid en diagnostische transparantie van PAC-analyse workflows verhoogt.
• De beperkingen van ML-voorspellingen (via onzekerheidsschattingen en model cards) zichtbaar maakt voor de gebruiker.

Het artikel stelt bescheiden dat het niet claimt universele fysische nauwkeurigheid, gekalibreerde onzekerheid voor alle experimentele spectra, of de resolutie van alle PAC-ambiguïteiten te bieden. De synthetische tests en BFO-voorbeelden dienen om de operationele capaciteit en workflow-integratie van de software te demonstreren. De auteurs stellen dat uitgebreide materiaalspecifieke conclusies, volledige onzekerheidskalibratie en onafhankelijke experimentele validatie voorbehouden zijn aan een opvolgend physics-results artikel. De primaire bijdrage van dit werk is de definitie van een reproduceerbaar, gedocumenteerd en mensgericht platform voor natuurkunde-geïnformeerde inverse analyse.