Resumo Técnico: PyCC.id – Um Pacote para Descoberta de Equações Baseada em Hipóteses com Identificabilidade Estrutural

Declaração do Problema

A descoberta de equações baseada em dados é fundamentalmente um problema inverso que visa inferir equações diferenciais governantes a partir de medições de séries temporais. Um desafio persistente neste campo é a natureza mal condicionada do problema, onde múltiplos modelos matemáticos distintos podem se ajustar a um conjunto de dados finito com precisão comparável. Embora abordagens puramente baseadas em dados frequentemente gerem um vasto panorama de modelos candidatos, estes frequentemente diferem significativamente em sua forma estrutural, levando a representações fisicamente inconsistentes. Consequentemente, os profissionais são forçados a depender de filtragem manual post-hoc baseada em conhecimento de domínio para descartar modelos não físicos, tornando a seleção final do modelo algo arbitrário. Além disso, muitos métodos existentes carecem de garantias de identificabilidade estrutural, tornando difícil determinar se uma equação proposta é consistente com os dados ou se requer reformulação.

Metodologia

Para abordar essas limitações, o artigo apresenta o PyCC.id (PyCC), uma biblioteca Python de código aberto que implementa uma metodologia baseada em hipóteses fundamentada em "esqueletos" estruturais e Curvas Características (CCs).

Estrutura Central

Ao contrário dos métodos "caixa-preta" que buscam equações do zero, o PyCC exige que o profissional defina um esqueleto estrutural baseado em intuição física ou conhecimento de domínio. Este esqueleto classifica famílias de Equações Diferenciais Ordinárias (ODEs) e decompõe a dinâmica global em funções univariadas unidimensionais (1D).

• Identificabilidade Estrutural: O framework utiliza esqueletos que possuem propriedades de identificabilidade estrutural demonstráveis no espaço de fase. Isso permite a validação formal de se uma estrutura hipotetizada é consistente com os dados antes do treinamento extensivo.
• Integração de Hipóteses: Os usuários podem injetar informações prévias (ex: simetrias físicas, restrições como $f(0)=0$, ou requisitos de paridade) diretamente nas funções definidas dentro dos esqueletos. Isso restringe o espaço de busca para estruturas motivadas fisicamente, mitigando a ambiguidade estrutural.

Estratégias de Parametrização

A biblioteca suporta três estratégias distintas para identificar as funções 1D ($f_i$) dentro de um esqueleto, permitindo flexibilidade baseada no nível desejado de interpretabilidade e conhecimento prévio:

1. Abordagem Funcional: As funções 1D são tratadas como desconhecidas e aproximadas usando aproximadores universais como Redes Neurais (NN) ou Regressão Simbólica (SymbR).
2. Abordagem Paramétrica: A forma funcional é totalmente hipotetizada e parametrizada por parâmetros escalares $\{a_i\}$, que são otimizados via otimização não linear.
3. Abordagem Híbrida: Uma combinação onde tanto as funções 1D $\{f_i\}$ quanto os parâmetros escalares $\{a_j\}$ são ajustados simultaneamente.

Arquitetura de Software

O PyCC atua como um framework integrativo dentro do ecossistema de aprendizado de máquina científico, utilizando ferramentas estabelecidas como PyTorch e PySR (para regressão simbólica) dentro de um pipeline estruturado. Suas funções principais incluem:

• pycc.simulate(): Um solver de ODE versátil para integração de sistemas de fluxo direto. Ele suporta simulações teóricas (para gerar dados de verdade fundamental/ground-truth) e validação de modelos descobertos. É compatível com vários backends (NN, SymbR, Poly, Interp).
• pycc.train(): A principal porta de entrada para identificar a dinâmica do sistema. Atua como um despachante, roteando os dados para o módulo apropriado (NN, SymbR, Poly) com base no método especificado pelo usuário.
• pycc.post_processing(): Uma utilidade projetada para converter CCs numéricas (obtidas via NN ou Poly) em expressões simbólicas explícitas. Isso facilita a inspeção do modelo, análise e a geração de modelos simbólicos otimizados para simulações subsequentes.

Principais Contribuições

O artigo apresenta o PyCC.id como uma ferramenta que condensa avanços teóricos recentes em uma biblioteca flexível e amigável ao usuário. Suas principais contribuições incluem:

• Fluxo de Trabalho Baseado em Hipóteses: Mudando o foco da descoberta puramente baseada em dados para uma abordagem de esqueleto estrutural que garante consistência física e identificabilidade estrutural.
• Modularidade e Interoperabilidade: A biblioteca não compete com pacotes existentes, mas serve como uma interface que aproveita seus pontos fortes (ex: o poder simbólico do PySR e a flexibilidade das Redes Neurais) dentro de um framework unificado.
• Aceleração de Hardware: Suporte nativo para CPUs multicore e GPUs (NVIDIA CUDA e Intel XPU via intel-extension-for-pytorch) para treinamento de Redes Neurais.
• Restrições Físicas: A capacidade de impor restrições (ex: paridade ímpar/par, valores específicos) diretamente durante o processo de treinamento, levando a modelos mais robustos.
• Ferramental Abrangente: Inclui um simulador integrado, suporte para múltiplos métodos de parametrização e documentação extensa, incluindo tutoriais no Google Colab.

Resultados e Exemplo Ilustrativo

O artigo demonstra as capacidades do PyCC usando um sistema físico clássico: um oscilador não linear com fricção, governado por uma equação diferencial de segunda ordem envolvendo amortecimento dependente da velocidade e forças restauradoras dependentes da posição.

• Geração de Dados: O sistema foi simulado usando equações teóricas para gerar um conjunto de dados de posição, velocidade e forças externas.
• Identificação: A biblioteca identificou com sucesso a dinâmica do sistema usando a Abordagem Funcional com Redes Neurais. O usuário definiu um esqueleto correspondente ao atrito dependente da velocidade ($F_{ext} = \ddot{x} + f_1(\dot{x}) + f_2(x)$) e aplicou restrições como $f_2(0)=0$ e paridade ímpar para as funções.
• Validação: As funções aprendidas ($f_1$ e $f_2$) foram visualizadas e mostraram corresponder de perto às relações constitutivas teóricas.
• Pós-processamento: Os resultados numéricos foram convertidos em expressões analíticas usando Regressão Simbólica (PySR), demonstrando a capacidade da biblioteca de transitar de uma aproximação baseada em dados para modelos simbólicos interpretáveis.
• Simulação: Os modelos identificados foram integrados para frente, mostrando concordância precisa com a dinâmica teórica.

Significância

O artigo posiciona o PyCC.id como um passo significativo para resolver a natureza mal condicionada da descoberta de equações. Ao formalizar a integração do conhecimento de domínio através de esqueletos estruturais, a biblioteca fornece um caminho para validar ou eliminar estruturas hipotetizadas no nível algorítmico. Isso reduz a dependência de filtragem post-hoc arbitrária e facilita a descoberta de equações governantes interpretáveis e fisicamente consistentes. O trabalho enfatiza que, enquanto muitos pacotes buscam a "melhor" equação do zero, o PyCC fornece um pipeline formal para verificar se uma estrutura física hipotetizada é consistente com a dinâmica medida, aumentando assim a confiabilidade e a interpretabilidade das aplicações de aprendizado de máquina científico.