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

技术摘要：PAC Studio ML

问题陈述
时间差分扰动角相关（TDPAC 或 PAC）谱学是一种用于确定凝聚态物质中超精细参数（电场梯度、磁场、位点份额）的强大局部探测技术。然而，从实验光谱中提取这些物理参数构成了一个病态的反问题。测得的 $R(t)$ 曲线是微观配置的压缩投影，不同的位点数量、相互作用类型、角度参数和阻尼项组合可能会产生视觉上相似的光谱形状。因此，传统的非线性最小二乘拟合对初始化、位点模型假设以及参数范围高度敏感。手动探索这些变量既耗时又难以复现，且容易收敛到缺乏物理唯一性的局部极小值。虽然机器学习（ML）为逆分析提供了潜力，但现有方法往往缺乏透明度，无法与传统的拟合工作流集成，或者将 ML 视为一种取代专家判断而非支持专家的“黑盒”。

方法论
本文介绍了一种 PAC Studio ML，这是一个旨在支持 PAC 分析中的预拟合和模型筛选阶段的人机协同 Python 桌面环境。该软件架构采用模块化设计，在一个图形用户界面（GUI）内集成了基于物理的正向求解器、机器学习预测器和标准的最小二乘拟合工具。

• 正向物理引擎： 核心物理层利用哈密顿矩阵形式来计算结合电磁相互作用。它通过对哈密顿量进行对角化以获得跃迁频率，并利用 Wigner 3j 系数构建扰动函数 $G_{22}(t)$，从而生成合成光谱。这些函数经过阻尼处理（高斯或洛伦兹型），并通过位点份额进行加权，以产生可观测信号 $R(t) = \text{add\_const} + A_{22} G_{22}(t)$。
• 合成数据生成： 该软件并非依赖固定的通用训练集，而是允许用户定义物理有效域（$v_Q$、$v_M$、$\eta$、阻尼、噪声等的范围）来生成定制的合成数据库。系统分别为一、二、三位点模型创建了独立的库，并将数据分为训练集（80%）、验证集（10%）和留存测试集（10%）。
• 特征提取： 原始 $R(t)$ 曲线被转换为包含四个家族的数值特征向量：时域描述符（振幅、矩、斜率）、频域描述符（FFT 峰值、带宽）、形状描述符（重采样/归一化轮廓）以及物理启发式描述符（角度-频率代理、相互作用指标）。
• 机器学习模型： 系统采用监督学习将特征向量映射到目标参数。它利用来自 scikit-learn 的树类回归器（随机森林、Extra Trees、HistGradientBoosting），并在缺乏这些库的环境中使用 k-最近邻作为后备方案。角度参数通过正弦/余弦分解进行处理，以避免不连续性。
• 预测与精炼工作流：
  1. 直接预测： 训练好的模型根据输入光谱的特征向量提出候选参数。
  2. 自动位点助手（Auto Sites Assistant）： 该工具扫描合成数据库中的一、二、三位点模型，并使用 RMS 残差、BIC 式复杂度评分和特征距离对候选模型进行排名。
  3. ML 引导的精炼： 预测的参数作为传统非线性最小二乘拟合的初始化值。
  4. 保障措施： 后预测修正包括 FFT 峰值对齐、鲁棒的振幅/基线校准，以及基于残差的候选模型针对实验曲线的重新排名。
• 可复现性基础设施： 软件包含用于基准测试初始化策略、消融测试修正组件以及经验不确定性校准的工具。它生成“模型卡（Model Cards）”，记录训练范围、特征定义和已知失效模式，以确保可审计性。

主要贡献

• 集成的人机协同环境： PAC Studio ML 弥合了合成建模、数据驱动逆预测与专家引导精炼之间的鸿沟，确保 ML 的建议是可检查且可控的。
• 物理启发式特征工程： 系统将 PAC 光谱转化为既能捕捉一般信号形状又能捕捉特定物理特征（例如，区分纯电相互作用与复合相互作用）的描述符。
• 透明的模型选择： “Auto Sites”助手提供了一种系统的方法来比较位点数量假设，在惩罚不必要的复杂性的同时，暴露其他合理的模型。
• 可复现性与诊断： 模型卡、消融基准测试和不确定性校准工具的引入解决了典型 ML 应用中的“黑盒”问题，使用户能够评估预测的可靠性和范围。

结果
论文使用合成留存测试数据和来自 BiFeO$_3$ (BFO) 的说明性实验案例展示了“运行证明”结果：

• 合成恢复： 在留存的合成测试集上，全局参数（振幅 $A_{22}$ 和基线）得到了高精度恢复。磁性频率 ($v_M$) 显示出中等的恢复能力。然而，特定位点的四极矩频率 ($v_Q$)、不对称参数 ($\eta$)、角度变量和阻尼项表现出较高的误差，尤其是在多位点场景下。这证实了在病态 PAC 问题中某些参数的不可识别性。
• 初始化效率： 在一个 BFO 纳米颗粒案例研究中，ML 引导的拟合收敛更快（285 次函数评估 vs. 手动 303 次），并且达到了更低的约化卡方值，优于手动初始化。它显著优于随机起始值，后者的成功率较低且计算成本较高。
• 模型歧义性： 在一个块体 BFO 案例中，“Auto Sites”工具提出了一个二位点复合相互作用模型，而一个基于文献信息的单位点纯电模型提供了同样优秀的拟合效果。这表明多种模型族可以重现实验数据，强化了在选择具有物理意义的解时专家判断的必要性。

意义与主张
作者将 PAC Studio ML 定位为专家进行 PAC 分析的辅助工具，而非替代品。论文明确声称该软件：

• 加速了参数空间和位点数量假设的探索。
• 提高了非线性最小二乘初始化的效率和稳定性。
• 增强了 PAC 分析工作流的可复现性和诊断透明度。
• 使 ML 预测的局限性（通过不确定性估计和模型卡）对用户可见。

论文谦虚地指出，它并不声称具有普遍的物理准确性、针对所有实验光谱的校准不确定性或解决所有 PAC 歧义的能力。合成测试和 BFO 示例旨在展示软件的操作能力和工作流集成。作者表示，全面的材料特定结论、完整的不确定性校准以及独立的实验验证将保留在随后的物理结果论文中。这项工作的主要贡献是定义了一个可复现、有文档记录且以人为中心的物理启发式逆分析软件平台。