[論文レビュー] From trees to barcodes and back again: theoretical and statistical perspectives

Lida Kanari, Adélie Garin+1 more|arXiv (Cornell University)|Oct 22, 2020

Topological and Geometric Data Analysis参考文献 26被引用数 4

ひとこと要約

本稿は、トポロジカルデータ解析と幾何的木構造の逆関係を理論的・計算的枠組みで研究するためのものであり、主にトポロジカルモーフォロジー記述子（TMD）とトポロジカルニューロン合成（TNS）アルゴリズムに焦点を当てる。TNSが対称群を用いて木の実現を分類することで、TMDの安定的かつ確率的逆写像として機能することを確立し、バーコードの順列が可能な幾何的木の数に顕著な影響を与えることを証明している。生物学的木構造は、可能な組み合わせ的タイプの制限された部分集合を占めていることが示された。

ABSTRACT

Methods of topological data analysis have been successfully applied in a wide range of fields to provide useful summaries of the structure of complex data sets in terms of topological descriptors, such as persistence diagrams. While there are many powerful techniques for computing topological descriptors, the inverse problem, i.e., recovering the input data from topological descriptors, has proved to be challenging. In this article we study in detail the Topological Morphology Descriptor (TMD), which assigns a persistence diagram to any tree embedded in Euclidean space, and a sort of stochastic inverse to the TMD, the Topological Neuron Synthesis (TNS) algorithm, gaining both theoretical and computational insights into the relation between the two. We propose a new approach to classify barcodes using symmetric groups, which provides a concrete language to formulate our results. We investigate to what extent the TNS recovers a geometric tree from its TMD and describe the effect of different types of noise on the process of tree generation from persistence diagrams. We prove moreover that the TNS algorithm is stable with respect to specific types of noise.

研究の動機と目的

• トポロジカルニューロン合成（TNS）アルゴリズムが、与えられたTMDバーコードから幾何的木を確率的に回復できる範囲を調査すること。
• 対称群を用いて幾何的木の組み合わせ的分類を形式化し、バーコードの順列と木の実現数の関係を結びつけること。
• ノイズ、特にバーコードの入れ替えに対してTNSの安定性を分析し、その耐性を定量化すること。
• 生物学的ニューロン形態とランダム木を比較し、それらのTMD同値類と実現頻度を分析すること。
• バーコードの分布からのずれを測定することで、生物学的木構造における構造的制約を同定すること。

提案手法

• TMDアルゴリズムは、R³に埋め込まれた任意の有限二分木を、トップロジカル不変量の誕生時刻と消失時刻を記録する区間の多重集合（バーコード）に写像する。
• TNSアルゴリズムは、パrameter化された確率的過程を用いて、バーコードから幾何的木を確率的に生成する。木の構造はバーコードのバーの順列によって決定される。
• 対称群を用いて、消失時刻の順列に基づきバーコードを分類し、木の実現に対する組み合わせ的同値関係を確立する。
• 与えられたバーコードを実現する幾何的木の数に対する明示的な公式を、バーコードの消失時刻に関連する順列に基づいて導出する。
• 対称群のケイリー図を用いて、バーコードのバーを入れ替える際の木の実現数の変化を可視化する。
• 計算実験により、木の実現数の分布、経験的組み合わせ的タイプ、およびランダムおよび生物学的バーコードにおけるTMD同値類の多様性を分析する。

実験結果

リサーチクエスチョン

• RQ1 TNSアルゴリズムは、元の幾何的木をどの程度正確にTMDバーコードから回復できるか。また、バーコードの順列に依存する程度はいかほどか。
• RQ2 バーを入れ替えることで、与えられたバーコードを実現する幾何的木の数はどのように変化するか。対称群はこの変化にどのような役割を果たすか。
• RQ3 TNSアルゴリズムは、たとえばバーコード内の2つのバーを入れ替えるような微小な摂動に対して、どの程度安定しているか。
• RQ4 なぜ生物学的ニューロン形態は、可能なTMD同値類のわずかな部分集合を占めているのか。これは生物学的制約を示唆するのか。
• RQ5 TNSの確率的性質は、誕生時刻や消失時刻が類似する場合、生成される木の組み合わせ的タイプの分散にどのように影響するか。

主な発見

• 与えられたバーコードを実現する幾何的木の数は、消失時刻の順列によって明示的に決定され、すべての消失時刻が異なる場合、n+1本のバーに対して公式はn! となる。
• TNSアルゴリズムは、ボトルネック距離と入れ替え安定性を用いて証明されたように、バーの入れ替えに対して安定である。これにより、バーコードの微小な変化が生成される木の構造に大きな影響を与えないことが保証される。
• ニューロン再構築から得られた生物学的バーコードは、可能なTMD同値類のわずかな部分集合を占めており、木構造における強い生物学的制約があることを示唆している。
• TNSによって特定の組み合わせ的木のタイプを生成する確率はパrameter λに依存し、アルゴリズムの確率的性質を反映しており、実行ごとに出力が変動することを意味する。
• バーコードに誕生時刻または消失時刻が類似するバーが含まれる場合、TNSは複数の同値類を振動的に往復し、出力の分散が増加する。
• 生物学的アピカル樹状突起の木の実現数の分布は、理論的最大値（n!）に比べて顕著に低いことが示され、非ランダムで生物学的に制約された木構造であることが示唆された。