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

Resumo Técnico: PAC Studio ML

Definição do Problema
A espectroscopia de correlação angular perturbada com diferenciação temporal (TDPAC ou PAC) é uma poderosa técnica de sonda local para determinar parâmetros hiperfinos (gradientes de campo elétrico, campos magnéticos, frações de sítio) em matéria condensada. No entanto, extrair esses parâmetros físicos de espectros experimentais constitui um problema inverso mal condicionado. As curvas $R(t)$ medidas são projeções comprimidas de configurações microscópicas onde diferentes combinações de contagens de sítios, tipos de interação, parâmetros angulares e termos de amortecimento podem produzir formas espectrais visualmente semelhantes. Consequentemente, o ajuste convencional de mínimos quadrados não lineares é altamente sensível à inicialização, às hipóteses de modelos de sítios e aos limites de parâmetros. A exploração manual dessas variáveis é demorada, difícil de reproduzir e propensa a convergir para mínimos locais que carecem de unicidade física. Embora o aprendizado de máquina (ML) ofereça potencial para a análise inversa, as abordagens existentes frequentemente carecem de transparência, falham em se integrar aos fluxos de trabalho de ajuste convencionais ou tratam o ML como uma "caixa preta" que substitui o julgamento do especialista em vez de apoiá-lo.

Metodologia
O artigo apresenta o PAC Studio ML, um ambiente desktop Python de "humano no circuito" (human-in-the-loop) projetado para apoiar as etapas de pré-ajuste e triagem de modelos do análise PAC. A arquitetura do software é modular, integrando um resolvedor direto baseado em física, preditores de aprendizado de máquina e ferramentas padrão de ajuste de mínimos quadrados dentro de uma única interface gráfica de usuário (GUI).

• Motor de Física Direta: A camada central de física utiliza um formalismo de matriz Hamiltoniana para calcular interações hiperfinas elétricas e magnéticas combinadas. Ele gera espectros sintéticos ao diagonalizar o Hamiltoniano para obter frequências de transição e construir funções de perturbação $G_{22}(t)$ usando coeficientes Wigner 3j. Estas são amortecidas (Gaussiana ou Lorentziana) e ponderadas por frações de sítio para produzir o sinal observável $R(t) = \text{add\_const} + A_{22} G_{22}(t)$.
• Geração de Dados Sintéticos: Em vez de depender de conjuntos de treinamento fixos e universais, o software permite que os usuários definam domínios de validade física (intervalos para $v_Q$, $v_M$, $\eta$, amortecimento, ruído, etc.) para gerar bancos de dados sintéticos personalizados. Bibliotecas separadas são criadas para modelos de um, dois e três sítios, com os dados divididos em conjuntos de treinamento (80%), validação (10%) e teste isolado (10%).
• Extração de Características: Curvas $R(t)$ brutas são convertidas em vetores de características numéricas compreendendo quatro famílias: descritores no domínio do tempo (amplitude, momentos, inclinações), descritores no domínio da frequência (picos de FFT, largura de banda), descritores de forma (perfis reamostrados/normalizados) e descritores informados pela física (proxies de frequência angular, indicadores de interação).
• Modelos de Aprendizado de Máquina: O sistema emprega aprendizado supervisionado para mapear vetores de características para parâmetros alvo. Utiliza regressores baseados em árvores (Random Forest, Extra Trees, HistGradientBoosting) da scikit-learn, com um fallback de k-vizinhos mais próximos para ambientes que carecem dessas bibliotecas. Parâmetros angulares são tratados via decomposição seno/cosseno para evitar descontinuidade.
• Fluxo de Predição e Refinamento:
  1. Predição Direta: O modelo treinado propõe candidatos de parâmetros baseados no vetor de características do espectro de entrada.
  2. Assistente de Sítios Automático: Esta ferramenta varre bancos de dados sintéticos para modelos de um, dois e três sítios, classificando candidatos usando resíduos RMS, pontuações de complexidade do tipo BIC e distâncias de características.
  3. Refinamento Semeadura por ML: Os parâmetros preditos servem como inicialização para o ajuste convencional de mínimos quadrados não lineares.
  4. Salvaguardas: Correções pós-predição incluem alinhamento de picos de FFT, calibração robusta de amplitude/linha de base e reclassificação baseada em resíduos contra a curva experimental.
• Infraestrutura de Reprodutibilidade: O software inclui ferramentas para benchmarking de estratégias de inicialização, testes de ablação de componentes de correção e calibração empírica de incerteza. Ele gera "Model Cards" documentando intervalos de treinamento, definições de características e modos de falha conhecidos para garantir a auditabilidade.

Principais Contribuições

• Ambiente Integrado de Humano no Circuito: O PAC Studio ML preenche a lacuna entre a modelagem sintética, a predição inversa baseada em dados e o refinamento liderado por especialistas, garantindo que as sugestões de ML permaneçam inspecionáveis e controláveis.
• Engenharia de Características Informada pela Física: O sistema traduz espectros PAC em descritores que capturam tanto a forma geral do sinal quanto assinaturas físicas específicas (ex: distinguir interações puramente elétricas de interações combinadas).
• Seleção de Modelo Transparente: O assistente "Auto Sites" fornece um método sistemático para comparar hipóteses de contagem de sítios, penalizando a complexidade desnecessária enquanto expõe modelos alternativos plausíveis.
• Reprodutibilidade e Diagnósticos: A inclusão de model cards, benchmarks de ablação e ferramentas de calibração de incerteza aborda a natureza de "caixa preta" das aplicações típicas de ML na ciência, permitindo que os usuários avaliem a confiabilidade e o escopo das predições.

Resultados
O artigo apresenta resultados de "prova de operação" usando dados sintéticos isolados e exemplos experimentais ilustrativos de BiFeO$_3$ (BFO):

• Recuperação Sintética: Em conjuntos de teste sintéticos isolados, parâmetros globais (amplitude $A_{22}$ e linha de base) foram recuperados com alta precisão. Frequências magnéticas ($v_M$) mostraram recuperabilidade moderada. No entanto, frequências quadrupolares específicas do sítio ($v_Q$), parâmetros de assimetria ($\eta$), variáveis angulares e termos de amortecimento exibiram erros mais altos, particularmente em cenários de múltiplos sítios. Isso confirma a não-identificabilidade de certos parâmetros em problemas de PAC mal condicionados.
• Eficiência de Inicialização: Em um estudo de caso de nanopartículas de BFO, o ajuste semeado por ML convergiu mais rapidamente (285 avaliações de função vs. 303 para o manual) e alcançou um qui-quadrado reduzido menor comparado à inicialização manual. Superou significativamente os começos aleatórios, que tiveram uma taxa de sucesso menor e custo computacional mais alto.
• Ambiguidade de Modelo: Em um caso de BFO bulk, a ferramenta "Auto Sites" propôs um modelo de interação combinada de dois sítios, enquanto um modelo de um sítio de interação puramente elétrica, informado pela literatura, forneceu um ajuste igualmente bom. Isso demonstra que múltiplas famílias de modelos podem reproduzir dados experimentais, reforçando a necessidade do julgamento especializado na seleção da solução fisicamente significativa.

Significância e Alegações
Os autores posicionam o PAC Studio ML estritamente como uma ferramenta de suporte para a análise PAC especializada, não como um substituto para ela. O artigo afirma explicitamente que o software:

• Acelera a exploração do espaço de parâmetros e das hipóteses de contagem de sítios.
• Melhora a eficiência e a estabilidade da inicialização de mínimos quadrados não lineares.
• Melhora a reprodutibilidade e a transparência diagnóstica dos fluxos de trabalho de análise PAC.
• Torna visíveis ao usuário as limitações das predições de ML (via estimativas de incerteza e model cards).

O artigo modestamente afirma que não pretende alegar precisão física universal, incerteza calibrada para todos os espectros experimentais ou resolução de todas as ambiguidades de PAC. Os testes sintéticos e os exemplos de BFO servem para demonstrar a capacidade operacional do software e sua integração de fluxo de trabalho. Os autores declaram que conclusões abrangentes sobre materiais específicos, calibração total de incerteza e validação experimental independente são reservadas para um artigo subsequente de resultados físicos. A principal contribuição deste trabalho é a definição de uma plataforma de software reproduzível, documentada e centrada no ser humano para análise inversa informada pela física.