[논문 리뷰] On data and dimension in chemistry -- irreversibility, concealment and emergent conservation laws

Alex Blokhuis, Martijn van Kuppeveld외 2명|arXiv (Cornell University)|2023. 06. 15.

Advanced Thermodynamics and Statistical Mechanics인용 수 5

한 줄 요약

이 논문은 공생 생성 법칙 $\Upsilon = \ell_{\bullet} + \wedge_{\bullet}$ 를 제안하며, 이는 공선성과 기계적 발견된 비정수 보존 법칙이 발생하는 화학반응망(CRNs)에서의 비정수 보존 법칙의 기원을 설명한다. 이 법칙은 기계로 발견된 보존 법칙이 본질적 보존이 아니라 공생 생성에 기인함을 보여주며, 숨겨진 종과 구별 불가능한 종에 대한 차원 법칙을 제공함으로써 스펙트럼 데이터로부터 CRN의 구조를 추론할 수 있게 한다.

ABSTRACT

Chemical systems are interpreted through the species they contain and the reactions they may undergo, i.e., their chemical reaction network (CRN). In spite of their central importance to chemistry, the structure of CRNs continues to be challenging to deduce from data. Although there exist structural laws relating species, reactions, conserved quantities and cycles, there has been limited attention to their measurable consequences. One such is the dimension of the chemical data: the number of independent reactions or equivalently independent species, which corresponds to the number of measured variables minus the number of constraints. In this paper we attempt to relate the experimentally observed dimensional features to conservation laws and underlying CRN structure. Our approach extends to any Markov model as well as many nonlinear models in statistical physics and furnishes new analytical tools to find exact solutions. In particular, we investigate the effects of species that are concealed and reactions that are irreversible. For instance, irreversible reactions can have proportional rates. The resulting reduction in degrees of freedom can be captured by the co-production law relating co-production relationships to emergent non-integer conservation laws and broken cycles. This law resolves a recent conundrum posed by a machine-discovered candidate for a non-integer conservation law, and characterizes certain types of CRN behavior. We also obtain laws that allow us to relate data dimension to network structure in cases where some species cannot be discerned or distinguished by a given analytical technique, allowing to narrow down candidate CRNs from experimental data more effectively.

연구 동기 및 목표

• 최근 기계학습된 CRN 모델에서 발견된 비정수 보존 법칙의 기원을 밝히는 것.
• 실험적으로 관측된 데이터의 차원과 기저의 CRN 구조 간의 관계를 체계화하는 것, 특히 비가역성과 은폐 조건 하에서의 관계를 다루는 것.
• 숨겨진 종과 구별 불가능한 종이 있는 시스템에 대한 차원 법칙을 유도하여, 불완전하거나 간접적인 측정 자료로부터 CRN의 위상 구조를 추론할 수 있도록 하는 것.
• 스펙트럼 데이터에서 관찰되는 이소스베틱 포인트와 국소 보존 법칙, 반응망 위상 간의 관계를 명확히 하는 것.
• CRN 재구성 과정을 분자 스펙트럼학에서의 논리 퍼즐과 유사하게 단순화하는 이론적 프레임워크를 제공하는 것.

제안 방법

• 공생 생성 법칙 $\Upsilon = \ell_{\bullet} + \wedge_{\bullet}$ 를 유도하며, 여기서 $\Upsilon$ 는 공생 생성 지수, $\ell_{\bullet}$ 는 비정수 보존 법칙의 기원을 나타내며, $\wedge_{\bullet}$ 는 공선성으로 인한 순환의 붕괴 정도를 수량화한다.
• 스토이히오메트릭 행렬 분석을 적용하여 비가역 반응을 모델링하고, 공선성 있는 반응 쌍(예: $r_4$ 와 $r_5$)을 식별함으로써 자유도를 감소시킨다.
• 화학공급기 모델과 종의 은폐 모델을 사용하여 차원 법칙을 도출하며, 측정 가능한 종의 손실이 효과적인 데이터 차원을 어떻게 감소시키는지 보여준다.
• 스토이히오메트릭 행렬의 변환을 도입하여 공선성 있는 반응들을 하나의 효과적인 반응으로 통합하고, 반응 속도에 따라 변하는 스토이히오메트리 계수를 도입한다.
• 좌측 영벡터 $\pmb{\ell}_{\bullet}$ 를 계산하여 수치적으로 관측된 보존 법칙 $CQ_3$ 와 1% 이내의 오차로 일치시킴으로써 공생 생성 법칙을 검증한다.
• 실제 대기 중 CRN 모델에 프레임워크를 적용하여 $CQ_3$ 가 진정한 보존 법칙이 아니며, 공생 생성의 결과로 나타나는 현상임을 확인한다.

Figure 1: a-b) CRNs whose conservation laws follow from integer stoichiometry. c) conservation laws. Making reactions $r_{1},r_{2}$ irreversible, an additional non-integer conservation conserved quantity $L^{(3)}$ emerges. d) CRN with an emergent non-integer conserved quantity. For integer stoichiom

실험 결과

연구 질문

• RQ1 기계학습 알고리즘을 통해 탐지된 비정수 보존 법칙이 발생하는 원인는 무엇인가? 특히 공선성과 비가역성의 조건에서.
• RQ2 비율이 같은 속도를 가지는 비가역 반응이 화학반응망의 차원성과 구조 추론에 어떤 영향을 미치는가?
• RQ3 일부 종이 은폐되거나 구별 불가능한 경우, 불완전하거나 간접적인 스펙트럼 데이터로부터 반응망의 구조를 얼마나 정확히 추론할 수 있는가?
• RQ4 스펙트럼 데이터에서 관찰되는 이소스베틱 포인트는 국소 보존 법칙과 반응망 위상 간에 어떤 관계를 가지는가?
• RQ5 공생 생성 법칙 $\Upsilon = \ell_{\bullet} + \wedge_{\bullet}$ 는 기계로 발견된 보존 법칙의 이질적 현상을 설명하고 해결할 수 있는가?

주요 결과

• 공생 생성 법칙 $\Upsilon = \ell_{\bullet} + \wedge_{\bullet}$ 는 이상한 보존 법칙 $CQ_3$ 의 기원을 성공적으로 설명하며, 이는 공선성과 기계적 발견된 비가역 반응에 기인한 비정수 보존 법칙의 기원이지 본질적 보존이 아니라는 것을 보여준다.
• 좌측 영벡터 $\pmb{\ell}_{\bullet} = (6,-5,1,3,9,6,3,6,4,-3,2.18)$ 의 수치적 값이 관측된 $CQ_3 \approx (6,-5,1,3,9,6,3,6,4,-3,2.21)$ 과 1% 이내로 일치하여 법칙의 정확성을 확인한다.
• 대기 중 CRN 모델에서 반응 $r_4$ 와 $r_5$ 를 하나의 효과적인 반응으로 융합하고, 반응 속도에 따라 변하는 스토이히오메트리 계수($p = 0.40541$)를 도입함으로써 시스템의 자유도가 감소하고 $\ell_{\bullet} = 1$ 이 나타나는 현상이 발생한다.
• 연구는 $CQ_3$ 가 진정한 보존 법칙이 아니며, 공생 생성에 기인한 잠재적 현상임을 확인하여 최근 기계학습된 CRN 분석에서 발생한 애매함을 해결한다.
• 이 프레임워크는 이소스베틱 포인트와 스펙트럼 불변량을 국소 보존 법칙과 반응망 위상과 연결함으로써 스펙트럼 데이터로부터 CRN의 구조를 재구성할 수 있게 한다.
• 숨겨진 종과 구별 불가능한 종에 대한 차원 법칙은 실험 데이터가 모든 종을 완전히 분리하지 못하더라도 CRN의 구조를 추론할 수 있게 하며, 네트워크 재구성 과정을 크게 단순화한다.

Figure 2: (a) Simulated absorption spectra for CRN $\ce{C}\leftrightarrows\ce{A}+\ce{B}\leftrightarrows\ce{D}$ , no isosbestic point ( $d(\Lambda)=2$ ). b) simulated spectra for CRN $\ce{C}\leftarrow\ce{A}+\ce{B}\rightarrow\ce{D}$ , a close-up reveals an isosbestic point ( $d(\Lambda)=1$ ). (c) Unde