روش های تفکیک منحنی خود مدلساز (smcr) ابزارهای قدرتمندی برای تفکیک مجموعه داده های دو خطی هستند. هدف تمامی این روش ها تفکیک ماتریس داده های اندازه گیری شده به حاصلضرب دو ماتریس کوچکتر و معنی دار از لحاظ شیمیایی است، بدون اینکه دانش قبلی در زمینه ی مدل شیمیایی و یا فیزیکی توصیف کننده ی این داده ها وجود داشته باشد. تنها فرض های در نظر گرفته شده محدودیت های فیزیکی مانند غیر منفی بودن مقادیر غلظت یا جذب گونه ها می باشد. در بسیاری از موارد نتایج روشهای smcr منحصر به فرد نیستند. این امر به دلیل در دسترس نبودن اطلاعات و یا وجود اطلاعات ناکافی از سیستم و از همه مهمتر به سبب چشم پوشی از به کارگیری اطلاعات مهم برای رسیدن به پاسخ منحصر به فرد می باشد. بنابراین در چنین مواردی یک محدوده از پاسخ های ممکن وجود دارد که مجموعه ی داده را به خوبی بازسازی کرده و از محدودیت های مد نظر نیز تبعیت می کنند، به این مفهوم آزادی چرخش می گویند. قضیه های تفکیک شرایطی را که منجر به پاسخ منحصر به فرد می شوند، تعریف می کنند. این قضیه ها بر مبنای وجود اطلاعات قابل اعتماد از بازه های حضور گونه ها و پنجره های غلظتی آن ها هستند که ممکن است این اطلاعات در بسیاری از تحقیق ها در دسترس باشند. در این رساله از روش جستجوی شبکه ای سیستماتیک با اعمال محدودیت ناحیه ی صفر، به منظور تجسم قضیه های تفکیـک و بررسی آن ها در روش های تفکیک منحنی خود مدلساز استفاده شد و بر تاثیر محدودیت مرتبه ی محلی بر روی ابهام چرخشی در نتایج روشهای smcr تاکید شده است.