[論文レビュー] Data-driven stochastic modeling of coarse-grained dynamics with finite-size effects using Langevin regression

Jordan Snyder, Jared Callaham+2 more|arXiv (Cornell University)|Mar 31, 2021

Nonlinear Dynamics and Pattern Formation参考文献 71被引用数 3

ひとこと要約

この論文は、有限サイズの Kuramoto システムの粗粒度化された力学に、Langevin回帰を適用してデータ駆動型の確率微分方程式（SDE）を導出する。有限サイズのゆらぎが同期遷移付近で支配的であるのは、ノイズの増加ではなく、ドリフト項における分岐であることが示され、拡散係数は $N^{-1/2}$ に比例する。これは中心極限定理と整合的である。

ABSTRACT

Obtaining coarse-grained models that accurately incorporate finite-size effects is an important open challenge in the study of complex, multi-scale systems. We apply Langevin regression, a recently developed method for finding stochastic differential equation (SDE) descriptions of realistically-sampled time series data, to understand finite-size effects in the Kuramoto model of coupled oscillators. We find that across the entire bifurcation diagram, the dynamics of the Kuramoto order parameter are statistically consistent with an SDE whose drift term has the form predicted by the Ott-Antonsen ansatz in the $N o \infty$ limit. We find that the diffusion term is nearly independent of the bifurcation parameter, and has a magnitude decaying as $N^{-1/2}$, consistent with the central limit theorem. This shows that the diverging fluctuations of the order parameter near the critical point are driven by a bifurcation in the underlying drift term, rather than increased stochastic forcing.

研究の動機と目的

• 有限サイズの Kuramoto システムの物理的に解釈可能な確率的粗粒度モデルの構築を目的とする。
• 集団的力学の低次元モデルに、体系的に有限サイズ効果を組み込むことを目的とする。
• 同期遷移付近での臨界ゆらぎが、ノイズの増強によるものか、力学的不安定性によるものかを特定することを目的とする。

提案手法

• 有限 $N$ のシミュレートされた Kuramoto システムからの時系列データに、Langevin回帰を適用する。
• 位相の順序パラメータ $r(t)$ に対して、$dr = \mu(r)dt + \sigma(r)dW_t$ の形をした確率微分方程式（SDE）をフィットする。
• 非パラメトリック回帰を用いて、経験的軌道からドリフト $\mu(r)$ と拡散 $\sigma(r)$ を推定する。
• 有限サイズスケーリングの挙動を評価するために、ノイズ係数を $N^{1/2}$ でスケーリングし直す。
• ロバストネスをテストするため、自然周波数分布としてコーシー分布とガウス分布を比較する。
• 極限 $N \to \infty$ において、Ott-Antonsen ansatz と整合的であることを検証する。

実験結果

リサーチクエスチョン

• RQ1 有限サイズの Kuramoto システムの粗粒度化された力学は、Ott-Antonsen の極限と整合的な SDE に従うか？
• RQ2 観測された臨界ゆらぎのスケーリングは、ノイズの増大によるものか、ドリフト項における分岐によるものか？
• RQ3 有効なノイズ強度はシステムサイズ $N$ にどのように依存するか？
• RQ4 自然周波数がコーシー分布とガウス分布の両方の場合に、有限サイズ効果はどのように異なるか？
• RQ5 Langevin回帰は、現実的で有限時間の軌道から、解釈可能な SDE を信頼性高く回復できるか？

主な発見

• 推定された SDE のドリフト項は、$N \to \infty$ の極限において、Ott-Antonsen ansatz が予測する形と、分岐ダイアグラム全体にわたり一致する。
• 拡散係数は $N^{-1/2}$ に比例する。これは中心極限定理と整合的であり、白色ノイズ駆動を示唆する。
• 臨界点付近のゆらぎは、ノイズの大きさの増加によるものではなく、ドリフト項における分岐によるものである。
• コーシー分布の自然周波数に対しては、スケーリングされたノイズ強度 $N^{1/2}\xi^2$ は、分岐パラメータ $\epsilon$ 全体にわたりほぼ一定であり、安定な有限サイズスケーリングを示している。
• ガウス分布の自然周波数に対しては、スケーリングされたノイズ強度は臨界点に近づくと増加し、超臨界領域では減少する。これは、同期ダイナミクスの違いを反映している。
• 超臨界領域では、完全同期が頻繁に発生するため、ノイズ係数が信頼できず、SDE モデルは適用不能になる。