תיקון, 31 באוגוסט 2026. גרסה 2 של ההפקדה שלהלן מחשבת מחדש את המחקר הזה על נתונים נטולי כפילויות, ובלשונה שלה מסירה את הטענה המרכזית של גרסה 1 — זו שהרשימה הזו בנויה עליה. היתרון של שלושת המספרים על פני בסיס ההשוואה בן 2,304 הפיקסלים יורד מ־+0.364 בשיעור ניצחון של מאה אחוז ל־+0.045 תחת יער אקראי, ואינו קיים כלל על C11. בסיס הפיקסלים, שהרשימה הזו מדווחת עליו כמי שאינו מנבא דבר, מתאושש מ־-0.008 ל־+0.37 על C22 ברגע שהכפילויות מוסרות. מה ששורד צר יותר ולדעתי שימושי יותר: יתרון המתאר הוא יציבות, לא עוצמה. R² על משפחות שהוחזקו בחוץ נע בין +0.02 ל־+0.41 עבור שלושת המספרים, מול -42.99 עד +0.34 עבור פיקסלים גולמיים — המקרה הגרוע שלו על פני שנים־עשר צירופי הרכיב והלומד שנבדקו הוא +0.02, בעוד הפיקסלים מגיעים ל־-42.99. כל מספר שלהלן הוא מגרסה 1 ולא הורץ מחדש כאן.
קחו לוח מתכת, נקבו בו תבנית חוזרת של חורים, ושאלו כמה קשיחה התוצאה. תשובה נכונה דורשת פתרון בעיה פיזיקלית קטנה על אריח חוזר אחד, וזה איטי מספיק כדי שאיש לא ירצה לעשות זאת בתוך לולאת תכן. אז מאמנים מודל שינחש את התשובה מתוך תמונה של האריח. הוא עובד להפליא על צורות החורים שאומן עליהן וקורס על אלה שלא.
כתבתי על הקריסה הזו פעמיים. בשתי הפעמים הנחתי, בלי לשים לב, את מה שכל שאר הספרות הזו מניחה: שהכישלון גר במודל, או במיעוט הצורות שהוצגו לו. תקנו את הארכיטקטורה, או קנו עוד משפחות של צורה.
הרשימה הזו עוסקת באפשרות האחרת. המספר שהמודל מאומן לשחזר מחושב על ידי לקיחת ממוצע. ממוצעים מאבדים דברים. אם מה שהם מאבדים הוא בדיוק הדבר שמבדיל משפחת צורות אחת מאחרת, אז שום מודל ושום כמות נתונים לא יכולים לשחזר אותו, משום שהוא נעלם עוד לפני שהלמידה התחילה.
מסתבר שזה נכון באופן שניתן למדוד, וברגע שמודדים את החלק החסר אפשר למסור אותו למודל כשלושה מספרים, שאז מנצחים את כל 2,304 הפיקסלים של התמונה בהפרש ניכר.
שמות התחום, למי שממשיך לחפש: מטא־חומרים מכניים ללוחות, הומוגניזציה נומרית לחישוב האיטי, מודל תחליפי למה שמחליף אותו, הכללה מחוץ להתפלגות לאופן שבו המודלים האלה נכשלים. לא אישען על המילים האלה שוב.
מה ממוצע רשאי לשמור
הקשיחות של הלוח המנוקב יוצאת מחישוב האריח על ידי מיצוע המאמצים הפנימיים על פני האריח כולו. הממוצע הזה הוא התשובה. הוא אינו תקציר של התשובה שמחושב אחר כך; הוא ההגדרה.
מיצוע הוא היטל, שזו דרך פורמלית לומר שהוא פתח עם מגבלת גודל. חלק ממה שהאריח יכול לעשות עובר דרכו והשאר לא, ומה שאינו עובר אינו שרירותי. הממוצע שומר את שתי הדרכים שבהן האריח יכול להחליק כגוף קשיח. כל דרך אחרת שבה החומר שבתוך האריח יכול לנוע כנגד עצמו מוטלת החוצה.
עכשיו החזיקו את זה ליד בעיית הלמידה. המודל מותאם לשחזר את הממוצע. אם שני אריחים נבדלים רק בהיבט שהממוצע אינו רושם, המודל מעולם לא הוצג בפני ההבדל ביניהם. עוד נתונים לא יעזרו, משום שלנתונים הנוספים יש אותה נקודה עיוורת. ארכיטקטורה טובה יותר לא תעזור, משום שהמטרה היא זו שעיוורת.
זו טענה על זיהוּיוּת ולא על קושי. היא אינה אומרת שהמודל בנוי גרוע. היא אומרת שחסרה עמודה במפתח התשובות שלו.
האם החלק שהושלך בכלל קיים?
טיעון כזה שווה משהו רק אם התוכן שהושלך אמיתי, ואם הוא מפריד בין אריחים שהקשיחות אינה מסוגלת להפריד ביניהם כלל. אז הלכתי ומדדתי אותו.
אותו אריח, אותן משוואות, אותם תנאי שפה מחזוריים, אבל עם המסה בחזרה פנימה. במקום לשאול איך האריח מגיב ללחיצה, שאלו מה הוא עושה כשהוא מצלצל: אילו תדירויות, ואיזו צורה התנועה לובשת בכל אחת. שתיים מן הצורות האלה הן ההחלקות הקשיחות שהממוצע שומר. כל מה שמעליהן הוא בדיוק מה שהממוצע זורק.
עבור כל אחת מן הצורות האלה התנועה מתפצלת, במדויק ונקודה־נקודה, לשלושה חלקים: כמה ממנה מתיחה, כמה גזירה, כמה סיבוב. שקללו כל חלק לפי המקום שבו המתכת באמת נמצאת, נרמלו את השלושה לסכום אחד, ויש לכם שלושה מספרים שמתארים את אופיו של האופן.
המחלץ נבדק מול המקרה היחיד שיש לו תשובה מדויקת. על לוח אחיד האופנים הם גלים מישוריים שהאופי שלהם ידוע בצורה סגורה, והוא מחזיר אותם עד שש ספרות אחרי הנקודה. האופנים הקשיחים חוזרים ב־1e-13 במקום אפס. עידון הרשת מוריד את השגיאה פי 16.0, במקום שהתכנסות מדויקת מסדר שני מנבאת 16. סיבוב הפתרון באופן שרירותי בתוך זוג מנוון מזיז את התשובה בספרה הארבע־עשרה. עשרה מבחנים, כולם עוברים, ולפותר ההומוגניזציה שמתחת יש שישה משלו.
ואז הראיה. ארבע מבין עשרים ושתיים המשפחות במדד איזוטרופיות במדויק במישור: חורים עגולים, חורים מרובעים, חורים בצורת צלב, חורי כוכב בעלי שישה קודקודים. חבורת הסימטריה שלהן מכריחה את שתי הקשיחויות להיות שוות, והן יוצאות שוות עד דיוק המכונה. מודל שאומן על הארבע האלה מעולם לא הבחין בקשיחות כיוונית במטרה שלו, משום שאין שם כזו.
| משפחה | יחס הקשיחויות | החלק הסיבובי של האופן הרך ביותר שהושלך |
|---|---|---|
| ריבוע | 1.000 | 0.69 |
| עיגול | 1.000 | 0.70 |
| כוכב | 1.000 | 0.76 |
| צלב | 1.000 | 0.89 |
זהות במטרה, עד דיוק המכונה, ופרושות על 0.19 בדבר שהמטרה משליכה, עם התפלגויות פר־אריח שבקושי חופפות. על פני כל המאגר החלק הסיבובי נע בין כ־0.64 לכ־0.95 ואינו מתואם למעשה עם יחס הקשיחויות, וזה בדיוק מה שהייתם מצפים מגודל שטנזור הקשיחות אינו מקודד.
כך שהמידע שהושלך קיים, והוא כיווני. זהו אותו סוג מידע שהיעדרו שבר את המודל במחקר הראשון.
שלושה מספרים מול 2,304
טיעון נאה. המבחן שלו הוא אם התוכן שהושלך שמיש.
אז: קחו את האופן הרך ביותר שהושלך, קחו את שלושת מספרי האופי שלו, הוסיפו את שיעור המוצק של האריח, שהוא חינם ואומר כמה מתכת נשארה, ותנו את ארבעת המספרים האלה לאותו מודל במקום התמונה. אמנו על ארבע משפחות, תנו ציון על שמונה־עשרה שהוא מעולם לא ראה, וחזרו על כך 120 הרצות מזווגות עם תת־קבוצות משפחות וזרעי מודל שנדגמו באופן בלתי תלוי, כך שכל זרוע רואה את אותן תת־קבוצות והמאפיינים הם ההבדל היחיד.
| מאפיינים | כמה מספרים נכנסים | עלות | ציון על משפחות שלא נראו |
|---|---|---|---|
| שיעור מוצק בלבד | 1 | חינם | +0.082 |
| התמונה הגולמית | 2,304 | חינם | -0.008 |
| תמונה ושיעור מוצק | 2,305 | חינם | +0.019 |
| שיעור מוצק ואופי האופן, מוגס | 4 | 0.25 | +0.356 |
| שיעור מוצק ואופי האופן, מלא | 4 | 1.16 | +0.448 |
העלות נמדדת ביחידות של פתרון פיזיקלי אחד, כלומר של הדבר שמנבאים. הציון הוא על הסולם שבו אפס הוא מה שמקבלים כשמתעלמים מן הקלט ועונים תמיד בממוצע, כך שהשורה השלישית היא מודל שקיבל תיאור מלא של האריח ומצליח פחות מקבוע.
ארבעה מספרים, שלושה מהם מגיעים מחישוב שעולה רבע מן התשובה שהוא מחליף, מנצחים את הביקורת החינמית ב־97 מכל 100 הרצות מזווגות.
אותו ניגוד בזוג מספרים אחד: על אריחים מתוך משפחות האימון שלו מודל התמונה מקבל 0.994, וזו הדיוק שהספרות מדווחת עליו והסיבה שמישהו משתמש במודלים האלה בכלל. על שמונה־עשרה המשפחות שלא נראו אותו מודל מגיע ל־-0.306, ומודל ארבעת המספרים מגיע ל־+0.508.
זה לא הלומד. שתי השורות האלה הן אותו לומד.
לא כל ספקטרום, ולא סימטריה
שתי התנגדויות היו חייבות להיסגר לפני שהאמנתי לתוצאה של עצמי.
הראשונה: אולי כל תיאור ספקטרלי של צורה עובר, ולאלסטיות אין לזה שום קשר. יש עבודה קודמת שפורסמה לבדוק מולה. ספקטרום לפלס־בלטרמי, שמשמש כ־shape-DNA, הוא מתאר ספקטרלי אינוריאנטי לסיבוב בדיוק לסוג עבודת התכן הזה, והוא גאומטרי לחלוטין. מחושב על אותם אריחים באותה מסגרת הוא מגיע ל־+0.106, והיחסים חסרי הסקאלה שלו מגיעים ל־+0.038. חבילת המאפיינים הגאומטרית התקנית בעבודת יד, שבעה אינוריאנטים של רגעי הו יחד עם פונקציית המתאם הדו־נקודתית הממוצעת רדיאלית, מגיעה ל־+0.173. הספקטרום האלסטי מגיע ל־+0.356. לא כל ספקטרום עובר. הספקטרום הזה עובר.
השנייה: אולי זו בעיית סימטריה, והתשובה היא ארכיטקטורה שיודעת על סימטריה. איני יכול לממש כזו מחדש, אבל אני יכול לכפות את חבורת הסימטריה המדויקת של האריח בכוח גס: לאמן על כל שמונת ההעתקים המשוקפים והמסובבים של כל אריח, למצע כל ניבוי על פני שמונת ההעתקים של אריח המבחן, ולהעביר את המטרה יחד איתו. בפי שמונה מעלות האימון וההסקה, החציון זז ב־-0.010. הפיזור מצטמצם והאמצע אינו זז.
זהו חסם תחתון על מה שמודל שקול־תנועה כראוי היה עושה ולא מבחן שלו, ואיני טוען שעקפתי דבר. מה שזה תומך בו הוא האמירה החלשה יותר שאני צריך: כפיית הסימטריה אינה משחזרת את המידע, וזה מה שמצפים אם המידע חסר מן המטרה ולא מטופל שגוי על ידי המודל.
הגרסה החדה ביותר היא מול רשת קונבולוציה, שהיא הבסיס הגאומטרי ההוגן. הרשת על התמונה מגיעה ל־+0.098. שרשור ארבעת המספרים לתוך הראש שלה מרים אותה ל־+0.179. ארבעת המספרים לבדם, על פרספטרון רב־שכבתי פשוט ובלי תמונה בכלל, מגיעים ל־+0.362, ומנצחים את הרשת ב־83 אחוז מן התת־קבוצות.
לזרוק את התמונה ולשמור את הפיזיקה שווה יותר מלהוסיף את הפיזיקה לתמונה.
מי מארבעת המספרים עושה את העבודה
שווה לדעת, משום שזה החלק שאומר מה הממצא אומר ולא רק שהוא קרה.
| מאפיינים | כמה | ציון על משפחות שלא נראו |
|---|---|---|
| אופי האופן הרך ביותר | 3 | +0.409 |
| אופי כל ששת האופנים | 18 | +0.385 |
| כל מתאר שחושב | 24 | +0.332 |
| יחסי התדירויות | 5 | +0.299 |
| התדירות הרכה ביותר לבדה | 1 | +0.202 |
| שש התדירויות הגולמיות | 6 | +0.038 |
שלושה מספרים מנצחים עשרים וארבעה. הוספת עשרים ואחד האחרים מרעה את המעבר, וזו החתימה של מודל שסופג מידע ייחודי למשפחות שאומן עליהן.
שש התדירויות הגולמיות כמעט חסרות ערך וחמשת היחסים ביניהן חזקים. כלומר הגודל שעובר הוא צורת הספקטרום ולא הסקאלה שלו: כמה קשיח אריח במונחים מוחלטים הוא עובדה על המשפחה שלו, והיא אינה שורדת את היציאה ממנה.
בתוך השלושה, התוכן סיבובי. סיבוב לבדו שווה +0.146 ומתיחה לבדה +0.057; סיבוב וגזירה יחד +0.349; שלושתם +0.388. מה שנוסע הוא יחס, האופן שבו התנועה הפנימית הרכה ביותר של האריח מתחלקת בין סיבוב לגזירה.
יש לזה שם במכניקה. זו דרגת החופש המיקרו־קוטבית, או קוסרה: היכולת של החומר שבתוך התא להסתובב יחסית לתא. לתיאוריה הרגילה מסדר ראשון של חומר רציף אין מקום לה, וזו בדיוק הסיבה שהקשיחות הממוצעת אינה יכולה לרשום אותה.
והיא עוזרת לרכיב שהיא אמורה לעזור לו. על רכיב הקשיחות שהמעבר שלו קרס במחקר הראשון שלושת המספרים שווים +0.409. על הרכיב שלא קרס הם שווים -0.088.
מה זה לא מתקן
הדיוק המוחלט על צורות שלא נראו עדיין גרוע. ציון של +0.36 הוא שיפור יחסי גדול על בסיס נמוך מאוד, לא תחליף לפתרון הפיזיקלי. התיאור הישר של ארבעת המספרים הוא כלי אבחון זול ומידע קודם.
שתי משפחות נעשות גרועות יותר באופן עקבי: שברונים ותא עם שני חורים. חלת הדבש, שהנבואה עליה שגתה פי שישה במחקר הראשון, משתפרת מ־-66 ל־-16, הפחתה פי ארבעה בשגיאה הריבועית ועדיין שגויה. שש עשרה מתוך עשרים ושתיים משפחות משתפרות תחת יער וארבע עשרה מתוך עשרים ושתיים תחת רשת עצבית, ושתי המשפחות הקיצוניות ביותר משתפרות בלי להיתקן.
ההפרדה הנקייה בין שני רכיבי הקשיחות מתקיימת רק ברזולוציה מלאה. הכול כאן דו־ממדי, אלסטי־לינארי, פאזת חלל אחת, יחס ניגודיות אחד. שום דבר אינו מראה שזה המתאר הנכון בשלושה ממדים או בעיוותים גדולים.
וההמשך המתבקש נכשל. אם המספרים האלה נושאים את התוכן שעובר, הם אמורים לומר לכם אילו משפחות לקנות, וזו השאלה שנשארה פתוחה במחקר הקודם. הם אינם. טווח החלק הסיבובי על פני סט אימון מועמד מתואם עם התוצאה בכ־+0.25 עד +0.32, וזה חלש, והביקורת החינמית, טווח שיעור המוצק, מנצחת אותו עם +0.40. לדעת אילו משפחות מחזיקות את התוכן אינו אותו דבר כמו שהמודל יוכל להשתמש בו.
ההשוואה שהעבודה הזו אינה מכילה היא מול רשת גרפים שקולת־תנועה מאומנת. זה החלק החסר, ואני מעדיף לומר זאת מאשר לתת לניסוי מיצוע המסלולים לעמוד במקומו.
החלק שאינו על מתכת
הוציאו את ההנדסה והטענה היא על תוויות.
אם התווית שלכם היא סטטיסטיקה מסכמת, אז כל מה שהסיכום השליך בלתי נראה לכל דבר שמאומן עליו. כתוב כך, זה מובן מאליו. בפועל זה לא, משום שהתווית היא החלק בצינור שאיש אינו מתייחס אליו כאל משתנה. היא מגיעה, היא נכונה, וכל תשומת הלב הולכת למודל ולנתונים.
שלוש מסקנות שהייתי באמת פועל לפיהן:
- מדד להכללה צריך לומר אילו דרגות חופש משפחות האימון שלו מחזיקות קבועות. סט אימון סימטרי לחלוטין אינו יכול ללמד מודל איך נראית אי־סימטריה, גדול ככל שיהיה.
- עוד נתונים בתוך מרחב תכן אינם יכולים לתקן עיוורון במטרה. במחקר הראשון עוד נתונים ורשת עדינה יותר הרעו את המעבר בין משפחות, וזה ההפך ממה שהסבר של כיסוי מנבא.
- קלט עשיר יותר אינו בטוח יותר אוטומטית. התמונה המלאה אפשרה למודל להתאים את משפחות האימון שלו כמעט במדויק, וההתאמה הזו היא שלא נסעה. ארבעה מספרים שנבחרו פיזיקלית לא יכלו להתאים באותה מידה, והרחיקו יותר.
הכול פתוח: המחלץ וערכת האימות שלו, המתארים בכל רזולוציה ובכל הגדרת הגסה, כל קובץ תוצאה שמאחורי המספרים למעלה, והפריפרינט, בכתובת https://doi.org/10.5281/zenodo.22137052
מקורות
- Bastek, J.-H., Kumar, S., Telgen, B., Glaesener, R. N. and Kochmann, D. M. Inverting the structure-property map of truss metamaterials by deep learning. PNAS 119(1), 2022. מדווח על ציונים מעל 0.98 על פני כל הקבועים האלסטיים, נמדדים בתוך מרחב התכן שעליו אומן. הדיוק אמיתי; ההיקף הוא הנקודה.
- Roberts, A. J. Accurate families of multi-continuum micromorphic homogenisations. Transactions of Mathematics and its Applications 9(1), 2025. בונה תיאוריות רצף עשירות יותר על ידי שמירת אופני התת־תא שהמיצוע מסיר. הרשימה הזו שואלת את אותם אופנים ככלי מדידה ולא כמודל.
- Wang, L., Chan, Y.-C., Liu, Z., Zhu, P. and Chen, W. Data-driven metamaterial design with Laplace-Beltrami spectrum as shape-DNA. Structural and Multidisciplinary Optimization 61, 2020. המתאר הספקטרלי הגאומטרי שנבדק כאן כביקורת המכריעה.
- Hendriks, R., Menkovski, V., Doškář, M., Geers, M. G. D. and Rokoš, O. Similarity-equivariant graph neural networks for homogenization of metamaterials. CMAME 439, 2025. התשובה מצד הארכיטקטורה לאותו כישלון, וההשוואה שהעבודה הזו אינה מכילה.