DISCOVER: A Physics-Informed, GPU-Accelerated Symbolic Regression Framework

O DISCOVER é um novo framework de regressão simbólica de código aberto, acelerado por GPU e orientado pela física, projetado para descobrir descritores matemáticos interpretáveis e escaláveis para aplicações em ciência dos materiais, química e física computacional.

O essencial

O "Detetive de Fórmulas": Conheça o DISCOVER

Imagine que você é um chef de cozinha tentando descobrir a receita secreta de um bolo perfeito. Você tem uma lista de ingredientes (farinha, ovos, açúcar, sal, fermento) e sabe o resultado final (o sabor e a textura do bolo). O seu desafio é: qual é a proporção exata de cada ingrediente para chegar à perfeição?

Na ciência, os pesquisadores fazem algo muito parecido. Eles têm dados (como a temperatura de um material ou sua resistência) e querem encontrar a "receita matemática" — aquela fórmula elegante que explica como tudo funciona. Esse processo de encontrar a fórmula é chamado de Regressão Simbólica.

O Problema: O Labirinto de Ingredientes

O problema é que, na ciência real, o número de "ingredientes" (variáveis) é gigantesco. Se você tentar misturar tudo de todas as formas possíveis para ver o que dá, vai levar mil anos. É como tentar testar todas as combinações de um cofre com bilhões de números.

Muitas ferramentas atuais são como robôs que tentam testar tudo sozinhos, mas às vezes eles sugerem receitas absurdas, como "um bolo com 2 quilos de sal e 1 gota de leite". A fórmula pode até funcionar matematicamente, mas não faz sentido nenhum na vida real.

A Solução: O DISCOVER (O Chef Inteligente)

Os pesquisadores criaram o DISCOVER. Pense nele não como um robô cego, mas como um Chef de Cozinha altamente treinado e super veloz.

Aqui estão os três "superpoderes" do DISCOVER:

1. O Guia do Especialista (Física Informada):
   Diferente de outros sistemas que tentam tudo, o DISCOVER permite que o cientista dê "dicas" ao programa. É como se o chef dissesse: "Olha, eu sei que não se usa sal como ingrediente principal de um doce". O DISCOVER usa o conhecimento prévio da física para descartar fórmulas impossíveis (como somar metros com quilos) antes mesmo de testá-las. Isso economiza um tempo precioso.

2. O Motor de Fórmula 1 (Aceleração por GPU):
   Fazer cálculos matemáticos complexos é cansativo para um computador comum. O DISCOVER foi desenhado para usar o poder das placas de vídeo (GPUs) — as mesmas usadas para rodar jogos pesadíssimos. É a diferença entre tentar resolver um quebra-cabeça de 10 mil peças sozinho ou ter mil ajudantes trabalhando ao mesmo tempo. Ele é incrivelmente rápido.

3. A Busca pela Simplicidade (O Princípio da Navalha):
   Na ciência, uma fórmula boa não é a mais complicada, mas a mais simples que explica o fenômeno. O DISCOVER busca a "receita minimalista": ele quer encontrar a menor combinação de ingredientes que entregue o melhor sabor. Ele evita fórmulas gigantescas e desnecessárias.

Por que isso é importante?

O DISCOVER foi feito para ajudar cientistas que estudam materiais, como as baterias de carros elétricos ou novos medicamentos. Ao encontrar as "fórmulas mágicas" da natureza de forma rápida e correta, esses cientistas podem descobrir materiais melhores, mais baratos e mais sustentáveis para o nosso futuro.

Em resumo: O DISCOVER é uma ferramenta que ajuda cientistas a encontrarem as leis da natureza de forma inteligente, rápida e, acima de tudo, com sentido real.

Resumo técnico

Resumo Técnico: DISCOVER – Um Framework de Regressão Simbólica Informado pela Física e Acelerado por GPU

1. O Problema

A Regressão Simbólica (SR) é uma técnica essencial para descobrir relações matemáticas interpretáveis (descritores) a partir de dados experimentais ou de simulação, sendo crucial em áreas como física, química e ciência dos materiais. No entanto, as ferramentas atuais enfrentam três desafios principais:

• Integração Limitada: Dificuldade de integração com os fluxos de trabalho modernos baseados em Python.
• Falta de Controle Físico: Dificuldade em incorporar conhecimento a priori (leis físicas, dimensões) para guiar a busca, o que pode resultar em modelos matematicamente precisos, mas fisicamente sem sentido.
• Custo Computacional: A exploração de grandes espaços de busca simbólica é extremamente exigente em termos de processamento, tornando o processo lento para estudos de larga escala.

2. Metodologia

O artigo apresenta o DISCOVER (Data-Informed Symbolic Combination of Operators for Variable Equation Regression), um pacote de código aberto projetado para ser modular e orientado pela física. A metodologia baseia-se em:

• Otimização de Esparsidade ($L_0$): O núcleo do framework busca resolver o problema de encontrar uma combinação linear esparsa de características ($\Phi$) que minimize o erro em relação ao alvo ($y$), sob a restrição de um número máximo de termos ($D$). Como este problema é NP-difícil, o DISCOVER utiliza diversas estratégias de busca:
  • Heurísticas e Estocásticas: Como Simulated Annealing.
  • Otimização Matemática: Como Orthogonal Matching Pursuit (OMP) e Mixed-Integer Quadratic Programming (MIQP).
• Restrições Informadas pela Física: O framework utiliza uma interface baseada em configuração para aplicar restrições sem necessidade de alterar o código-fonte. Um diferencial importante é a integração com a biblioteca pint, que permite a consistência dimensional (análise dimensional), descartando expressões que violam as leis da física logo no início do processo.
• Aceleração de Hardware: Para lidar com a carga computacional, o framework implementa paralelização e suporte para aceleração via GPU, utilizando CUDA (NVIDIA) e Metal Performance Shaders (Apple Silicon), além de execução eficiente em CPU.

3. Principais Contribuições

• Design Modular e Python-Native: Facilita a adoção por pesquisadores que já utilizam o ecossistema científico de Python.
• Guia por Conhecimento de Domínio: Permite que o usuário restrinja operadores, complexidade de expressões e combinações de variáveis, reduzindo o espaço de busca e aumentando a plausibilidade física dos modelos.
• Escalabilidade: A capacidade de alternar entre CPU e GPU permite que o software seja utilizado tanto em laptops locais quanto em sistemas de computação de alto desempenho (HPC).
• Reprodutibilidade: O uso de arquivos de configuração para definir o espaço de busca promove experimentos mais consistentes e reprodutíveis.

4. Resultados e Aplicações

Embora o artigo foque na descrição do framework e não apresente uma tabela de benchmarks comparativos exaustivos, ele define claramente o escopo de sucesso: a descoberta de descritores de baixa dimensão que correlacionam propriedades fundamentais de materiais com funções desejadas.
As aplicações previstas incluem:

• Estabilidade de estruturas cristalinas.
• Mobilidade iônica em materiais de armazenamento de energia (ex: baterias).
• Discriminação de estruturas magnéticas.

5. Significância

O DISCOVER preenche uma lacuna crítica entre as ferramentas de descoberta totalmente automatizadas (que podem gerar modelos sem sentido físico) e as ferramentas altamente especializadas (que são difíceis de usar). Ao priorizar a interpretabilidade e a consistência física ao lado da eficiência computacional, o framework torna a regressão simbólica uma ferramenta mais prática e robusta para a descoberta científica moderna, permitindo que o conhecimento humano guie a inteligência computacional de forma eficiente.