[論文レビュー] A Kernel-Based Approach to Data-Driven Koopman Spectral Analysis

Matthew O. Williams, Clarence W. Rowley+1 more|arXiv (Cornell University)|Nov 9, 2014

Model Reduction and Neural Networks参考文献 20被引用数 74

ひとこと要約

この論文は、高次元系におけるKoopman固有値、固有関数、モードの高精度な近似を可能にする、カーネルに基づくデータ駆動型Koopmanスペクトル解析手法を提案する。カーネル関数によって、高次元のスカラー観測関数の豊富な部分空間を暗黙的に定義することで、Extended DMDに内在する次元の呪いを克服しつつ、DMDと同等の計算コストを実現する。FitzHugh-Nagumo PDEおよびRe=413の円柱周りの流れの実験的データに対して、その有効性が示された。

ABSTRACT

A data driven, kernel-based method for approximating the leading Koopman eigenvalues, eigenfunctions, and modes in problems with high dimensional state spaces is presented. This approach approximates the Koopman operator using a set of scalar observables, which are functions defined on state space, that is determined {\em implicitly} by the choice of a kernel. This circumvents the computational issues that arise due to the number of basis functions required to span a "sufficiently rich" subspace of the space of scalar observables in these problems. We illustrate this method on the FitzHugh-Nagumo PDE, a prototypical example of a one-dimensional reaction diffusion system, and compare our results with related methods such as Dynamic Mode Decomposition (DMD) that have the same computational cost as our approach. In this example, the resulting approximations of the leading Koopman eigenvalues, eigenfunctions, and modes are both more accurate and less sensitive to the distribution of the data used in the computation than those produced by DMD.

研究の動機と目的

• 高次元状態空間におけるExtended Dynamic Mode Decomposition (DMD) の計算不能性を解消する。これは、必要となる基底関数の数が指数関数的に増加するためである。
• 標準DMDの限界を克服する。標準DMDは線形観測関数のみを用い、非線形系の複雑なダイナミクスを捉えられない可能性がある。
• カーネル関数を用いて、明示的な基底関数の構築を避けることで、豊富で高次元のスカラー観測関数の部分空間を暗黙的にスパンするデータ駆動型手法を開発する。
• 真のKoopmanモードが未知である実世界の応用、特にノイズが混在した高次元データ（例：実験的流体力学）においても、実用的なKoopmanスペクトル解析を可能にする。
• 全固有システムの計算や後続の切断フィルタリングを必要とせずに、物理的に意味のある遅く減衰するモードを同定できることを示す。

提案手法

• カーネルトリックを用いてExtended DMDを再定式化し、スカラー観測関数の高次元特徴空間における内積を明示的な基底関数を用いずに暗黙的に計算する。
• 多項式カーネルを用いて、指定された次数αまでのすべての多項式をスパンする再生核ヒルベルト空間（RKHS）を定義する。
• 系の時間系列スナップショットから導出されるカーネル・グラム行列を用いて、Koopman作用素の有限次元近似を構築する。
• カーネル・グラム行列上で一般化固値問題を解き、固有ベクトルを特徴空間におけるKoopmanモードとして得る。固有値と固有関数は、この問題から計算される。
• 左固有ベクトルを用いて、カーネルに基づくKoopman作用素近似の主モード（最も遅く減衰するダイナミクス）を抽出する。
• 合成PDEデータ（FitzHugh-Nagumo）および実験的流体力学データ（円柱の流れからの渦度）に本手法を適用し、標準DMDおよびExtended DMDと結果を比較する。

実験結果

リサーチクエスチョン

• RQ1 カーネルに基づく手法は、標準DMDと同等の計算コストで、より豊富な観測関数を用いながらも、Koopman固有値とモードを正確に近似できるか？
• RQ2 線形化されたFitzHugh-Nagumo PDEにおいて真の固有値とモードが解析的に分かっている状況で、カーネル手法はKoopmanモードをどれほど正しく同定できるか？
• RQ3 真のKoopman構造が未知であるノイズが混在した高次元実験データにおいて、カーネル手法は物理的に意味のある遅く減衰するモードをどれほど効果的に抽出できるか？
• RQ4 標準DMDと比較して、カーネル手法は動的性質（例：虚軸上または左半面に位置する）が優れた固有値を生成するか？
• RQ5 カーネルに基づく固値問題に焦点を当てることで、全固有システムの計算とその後の切断処理を回避し、主モードのみを直接抽出できるか？

主な発見

• カーネルに基づく手法は、FitzHugh-Nagumo PDEの主Koopman固有値とモードを、線形化で捉えられないものも含めて、一貫性があり再現性のある結果で正確に同定した。
• FitzHugh-Nagumo系において、線形化スペクトルを超える追加のKoopman固有値とモードを効果的に計算でき、非線形ダイナミクスを線形解析では得られない形で捉えていることが示された。
• 実験的円柱流れ（Re=413）の事例では、真のダイナミクスが不明であったにもかかわらず、同定されたKoopman固有値が虚軸上または左半面に位置するという期待される性質を示しており、妥当性が裏付けられた。
• カーネル手法によって同定された主Koopmanモードは、最も遅く減衰するダイナミクスに対応しており、全固有システムの計算やエネルギーに基づく切断処理を経ることなく、直接抽出可能であった。
• 本手法は、標準DMDと同等の計算コストを実現しており、Extended DMDが計算不能になる高次元系においてもスケーラブルである。
• 合成データおよび実験的データの両方において、カーネル手法は標準DMDを上回り、特に最小限の後処理で物理的に関連のあるモードを効果的に同定できた。