La ‘caja negra’ de la IA científica no es rival para el método de 200 años

Las transformadas de Fourier revelan qué tan bien la red neuronal profunda aprende física compleja.

Una de las herramientas más antiguas de la física computacional, una técnica matemática de 200 años conocida como análisis de Fourier – puede revelar información crucial sobre cómo una forma de inteligencia artificial llamada red neuronal profunda aprende a realizar tareas que involucran física compleja como modelar el clima y la turbulencia, según un nuevo estudio.

El descubrimiento realizado por investigadores de ingeniería mecánica de la Universidad de Rice se describe en un estudio de acceso abierto publicado en la revista Nexo PNASuna publicación hermana de procedimientos de la Academia Nacional de Ciencias.

«Este es el primer marco riguroso para explicar y guiar el uso de redes neuronales profundas para sistemas dinámicos complejos como el clima», dijo el autor correspondiente del estudio, Pedram Hassanzadeh. «Esto podría acelerar drásticamente el uso del aprendizaje científico profundo en la ciencia del clima y conducir a proyecciones mucho más confiables del cambio climático».

Los investigadores de la Universidad de Rice entrenaron una forma de inteligencia artificial llamada red neuronal de aprendizaje profundo para reconocer flujos complejos de aire o agua y predecir cómo cambiarán los flujos con el tiempo. Esta imagen ilustra las diferencias sustanciales en la escala de características que muestra el modelo durante el entrenamiento (arriba) y las características que aprende a reconocer (abajo) para hacer sus predicciones. Crédito: Imagen cortesía de P. Hassanzadeh/Universidad Rice

En el artículo, Hassanzadeh, Adam Subel y Ashesh Chattopadhyay, ambos exalumnos, y Yifei Guan, investigador asociado postdoctoral, detallaron su uso del análisis de Fourier para estudiar una red neuronal de aprendizaje profundo que ha sido entrenada para reconocer los complejos flujos de aire en el atmósfera. o agua en el océano y predecir cómo estos flujos cambiarían con el tiempo. Su análisis reveló «no solo lo que había aprendido la red neuronal, sino que también nos permitió conectar directamente lo que había aprendido la red con la física del sistema complejo que estaba modelando», dijo Hassanzadeh.

“Las redes neuronales profundas son tristemente dificil de entender ya menudo son vistos como ‘cajas negras’”, dijo. “Esta es una de las principales preocupaciones con el uso de redes neuronales profundas en aplicaciones científicas. La otra es la generalización: estas redes no pueden funcionar para un sistema diferente de aquel para el que fueron entrenadas. . »

El entrenamiento de redes neuronales profundas de última generación requiere una gran cantidad de datos, y la carga de reentrenamiento, con los métodos actuales, sigue siendo significativa. Después de entrenar y volver a entrenar una red de aprendizaje profundo para realizar diferentes tareas que involucran física compleja, los investigadores de la Universidad de Rice utilizaron el análisis de Fourier para comparar los 40,000 núcleos de las dos iteraciones y encontraron que más del 99% eran similares. Esta ilustración muestra los espectros de Fourier de los cuatro núcleos que diferían más antes (izquierda) y después (derecha) del reentrenamiento. Los resultados demuestran el potencial del método para identificar vías de reciclaje más eficientes que requieren muchos menos datos. Crédito: Imagen cortesía de P. Hassanzadeh/Universidad Rice

Hassanzadeh dijo que el marco analítico que presenta su equipo en el documento «abre la caja negra, nos permite mirar dentro para comprender qué han aprendido las redes y por qué, y también nos permite relacionar esto con la física del sistema que se ha aprendido». .

Subel, el autor principal del estudio, comenzó la investigación como estudiante universitario en Rice y ahora es estudiante de posgrado en[{» attribute=»»>New York University. He said the framework could be used in combination with techniques for transfer learning to “enable generalization and ultimately increase the trustworthiness of scientific deep learning.”

While many prior studies had attempted to reveal how deep learning networks learn to make predictions, Hassanzadeh said he, Subel, Guan and Chattopadhyay chose to approach the problem from a different perspective.

Pedram Hassanzadeh. Credit: Rice Universit

“The common machine learning tools for understanding neural networks have not shown much success for natural and engineering system applications, at least such that the findings could be connected to the physics,” Hassanzadeh said. “Our thought was, ‘Let’s do something different. Let’s use a tool that’s common for studying physics and apply it to the study of a neural network that has learned to do physics.”

He said Fourier analysis, which was first proposed in the 1820s, is a favorite technique of physicists and mathematicians for identifying frequency patterns in space and time.

“People who do physics almost always look at data in the Fourier space,” he said. “It makes physics and math easier.”

For example, if someone had a minute-by-minute record of outdoor temperature readings for a one-year period, the information would be a string of 525,600 numbers, a type of data set physicists call a time series. To analyze the time series in Fourier space, a researcher would use trigonometry to transform each number in the series, creating another set of 525,600 numbers that would contain information from the original set but look quite different.

“Instead of seeing temperature at every minute, you would see just a few spikes,” Subel said. “One would be the cosine of 24 hours, which would be the day and night cycle of highs and lows. That signal was there all along in the time series, but Fourier analysis allows you to easily see those types of signals in both time and space.”

Based on this method, scientists have developed other tools for time-frequency analysis. For example, low-pass transformations filter out background noise, and high-pass filters do the inverse, allowing one to focus on the background.

Adam Subel. Credit: Rice University

Hassanzadeh’s team first performed the Fourier transformation on the equation of its fully trained deep-learning model. Each of the model’s approximately 1 million parameters act like multipliers, applying more or less weight to specific operations in the equation during model calculations. In an untrained model, parameters have random values. These are adjusted and honed during training as the algorithm gradually learns to arrive at predictions that are closer and closer to the known outcomes in training cases. Structurally, the model parameters are grouped in some 40,000 five-by-five matrices, or kernels.

“When we took the Fourier transform of the equation, that told us we should look at the Fourier transform of these matrices,” Hassanzadeh said. “We didn’t know that. Nobody has done this part ever before, looked at the Fourier transforms of these matrices and tried to connect them to the physics.

“And when we did that, it popped out that what the neural network is learning is a combination of low-pass filters, high-pass filters and Gabor filters,” he said.

“The beautiful thing about this is, the neural network is not doing any magic,” Hassanzadeh said. “It’s not doing anything crazy. It’s actually doing what a physicist or mathematician might have tried to do. Of course, without the power of neural nets, we did not know how to correctly combine these filters. But when we talk to physicists about this work, they love it. Because they are, like, ‘Oh! I know what these things are. This is what the neural network has learned. I see.’”

Subel said the findings have important implications for scientific deep learning, and even suggest that some things scientists have learned from studying machine learning in other contexts, like classification of static images, may not apply to scientific machine learning.

“We found that some of the knowledge and conclusions in the machine learning literature that were obtained from work on commercial and medical applications, for example, do not apply to many critical applications in science and engineering, such as climate change modeling,” Subel said. “This, on its own, is a major implication.”

Reference: “Explaining the physics of transfer learning in data-driven turbulence modeling” by Adam Subel, Yifei Guan, Ashesh Chattopadhyay and Pedram Hassanzadeh, 23 January 2023, PNAS Nexus.
DOI: 10.1093/pnasnexus/pgad015

Chattopadhyay received his Ph.D. in 2022 and is now a research scientist at the Palo Alto Research Center.

The research was supported by the Office of Naval Research (N00014- 20-1-2722), the National Science Foundation (2005123, 1748958) and the Schmidt Futures program. Computational resources were provided by the National Science Foundation (170020) and the National Center for Atmospheric Research (URIC0004).