[論文レビュー] CompEngine: a self-organizing, living library of time-series data

Ben Fulcher, Carl H Lubba+2 more|arXiv (Cornell University)|May 3, 2019

Time Series Analysis and Forecasting参考文献 15被引用数 4

ひとこと要約

CompEngine は、標準的な特徴ベースの表現を用いて、多様な時系列データ（実験的、合成的、多分野的）を共有の低次元空間に埋め込む自己組織的でウェブベースのライブラリであり、分野を越えた意味のある関係の自動発見を可能にする。このプラットフォームはリアルタイムで類似した時系列を動的にリンクし、データ共有を奨励するとともに、実世界のシステムとモデルシミュレーションの間で予期しない類似性を明らかにすることで、多分野連携を促進する。

ABSTRACT

Modern biomedical applications often involve time-series data, from high-throughput phenotyping of model organisms, through to individual disease diagnosis and treatment using biomedical data streams. Data and tools for time-series analysis are developed and applied across the sciences and in industry, but meaningful cross-disciplinary interactions are limited by the challenge of identifying fruitful connections. Here we introduce the web platform, CompEngine, a self-organizing, living library of time-series data that lowers the barrier to forming meaningful interdisciplinary connections between time series. Using a canonical feature-based representation, CompEngine places all time series in a common space, regardless of their origin, allowing users to upload their data and immediately explore interdisciplinary connections to other data with similar properties, and be alerted when similar data is uploaded in the future. In contrast to conventional databases, which are organized by assigned metadata, CompEngine incentivizes data sharing by automatically connecting experimental and theoretical scientists across disciplines based on the empirical structure of their data. CompEngine's growing library of interdisciplinary time-series data also facilitates comprehensively characterization of algorithm performance across diverse types of data, and can be used to empirically motivate the development of new time-series analysis algorithms.

研究の動機と目的

• 科学的分野ごとに時系列解析の分野横断的協力が制限されている問題に取り組むこと。これは、データおよび手法論的断片化が原因である。
• 自動的に異なる時系列データ間の意味のある類似性を特定・強調する、動的で自己組織的なデータリポジトリを構築すること。これは、出典やメタデータにかかわらず成立する。
• ユーザーが自分のデータが他の実験的および合成的システムとどのように関係するかを即座に行動可能なインサイトとして得られるようにすることで、データ共有の障壁を低減すること。
• 多様で体系的に整理された大規模なデータセットを提供することにより、時系列解析アルゴリズムの客観的評価および開発を支援すること。
• ネットワーク、画像、多次元データセットなどの他のデータタイプに対しても、将来の自己組織的データライブラリのテンプレートを提供すること。

提案手法

• CompEngine は、各データオブジェクトを特徴づけるために185個の標準的な時系列特徴を用いる。これにより、統計的・力学的・スペクトル的性質が捉えられる。
• これらの特徴は t-SNE を用いた次元削減により低次元空間に埋め込まれ、可視化および類似性計算が可能になる。
• 特徴空間内で最近傍探索が行われ、出典やメタデータに関係なく、類似した実験的ダイナミクスを示す時系列を特定する。
• システムはリアルタイムでの更新をサポートする。新しいデータがアップロードされると、ライブラリは再組織化され、類似性に基づいて新しいマッチングをユーザーにアラートで通知する。
• ユーザーはメタデータ（例：システム種別、記録方法）を含んだデータをアップロードでき、プラットフォームは自動的に分野を越えた関係を計算・表示する。
• プラットフォームはスケーラブルなバックエンドとデータベース・ウェブインfraを備えており、24,000個を超える時系列データの永続的保存とインタラクティブな探索を可能にする。

実験結果

リサーチクエスチョン

• RQ1 出典、サンプリングレート、継続時間の違いがあるにもかかわらず、多様な科学分野からの時系列データを意味的に比較・接続する方法は何か？
• RQ2 生物学的・物理的・金融的・合成的データの時系列を共通の特徴空間に埋め込むと、どのような分野を越えた関係が生じるか？
• RQ3 自己組織的データライブラリが、見た目には関連のないシステム同士の隠れた類似性を明らかにすることで、データ共有と協力を改善できるか？
• RQ4 このようなシステムが、多様なデータタイプにわたる時系列解析アルゴリズムの客観的評価および開発をどの程度支援できるか？
• RQ5 特徴ベースで力学的ダイナミクスに基づくデータ組織化アプローチは、従来のメタデータベースのリポジトリを上回って科学的発見を促進できるか？

主な発見

• CompEngine は、185個の標準的特徴を用いて、心電図、小鳥の鳴き声、金融データ、モデルシミュレーションなど、多様な分野からの24,000個を超える時系列データオブジェクトを共有の特徴空間に統合している。
• t-SNE の可視化により、同様のカテゴリー（例：歩行、振動、心電図）の時系列がクラスタとして集まり、明確に異なるカテゴリーは空間的に分離されていることが確認され、本手法が意味のある構造を捉えられることを裏付けた。
• システムは、実世界の生物学的ダイナミクスと合成モデル系（例：確率的微分方程式、周期的写像）との驚くべき分野を越えたマッチングを自動で特定しており、共通の下位メカニズムが存在する可能性を示唆している。
• 新しい類似特徴を持つデータがアップロードされると、ユーザーはリアルタイムでアラートを受け取り、ライブラリが拡大する中で継続的な発見と協働が可能になる。
• 多様で実証的根拠に基づいたデータセットを提供することで、時系列アルゴリズムの包括的かつバイアスのない評価が可能になる。このデータセットは複数の科学分野をカバーしている。
• CompEngine は、メタデータではなく、内在的でデータ駆動の分野を越えた関係を明らかにすることで、データ共有を促進する自己組織的データライブラリの実現可能性を示している。