[論文レビュー] Identifiability of interaction kernels in mean-field equations of interacting particles

Quanjun Lang, Fei Lu|arXiv (Cornell University)|Jun 10, 2021

Numerical methods in inverse problems参考文献 29被引用数 4

ひとこと要約

本稿は、データに適応するL²空間（データに依存する測度またはLebesgue測度で重み付けされたもの）を分析することにより、相互作用粒子の平均場方程式における相互作用カーネルの同定可能性の完全な特徴付けを確立する。関数空間の同定可能性（FSOI）は、逆積分作用素に関連する再生核ヒルベルト空間（RKHS）の閉包であることを証明し、不適切な問題性のため正則化が不可欠であることを示し、Tikhonov正則化を用いることで重み付きL²空間がより優れた推定器をもたらすことを示している。

ABSTRACT

This study examines the identifiability of interaction kernels in mean-field equations of interacting particles or agents, an area of growing interest across various scientific and engineering fields. The main focus is identifying data-dependent function spaces where a quadratic loss functional possesses a unique minimizer. We consider two data-adaptive $L^2$ spaces: one weighted by a data-adaptive measure and the other using the Lebesgue measure. In each $L^2$ space, we show that the function space of identifiability is the closure of the RKHS associated with the integral operator of inversion. Alongside prior research, our study completes a full characterization of identifiability in interacting particle systems with either finite or infinite particles, highlighting critical differences between these two settings. Moreover, the identifiability analysis has important implications for computational practice. It shows that the inverse problem is ill-posed, necessitating regularization. Our numerical demonstrations show that the weighted $L^2$ space is preferable over the unweighted $L^2$ space, as it yields more accurate regularized estimators.

研究の動機と目的

• データに適応するL²空間を用いて、平均場方程式における相互作用カーネルの関数空間の同定可能性（FSOI）を特徴付けること。
• これらの空間において2次損失関数が一意な最小化子を持つ条件を特定すること。
• 有限粒子系と平均場極限との間における同定可能性の重要な違いを明確にすること。
• 平均場粒子系から生じる逆問題における正則化の理論的基盤を提供すること。
• 数値的推定において、重み付きL²ノルムが非重み付きものよりも優れていることを実証すること。

提案手法

• 逆問題を、データに適応するL²空間における確率的損失関数の最小化として定式化する。
• 2つのL²空間を定義する：1つはデータに適応する探索測度で重み付けされたもの、もう1つはLebesgue測度を用いるもの。
• 損失関数の2階微分を分析し、半正定値積分作用素を定義し、これを逆作用素として用いる。
• FSOIを、この積分作用素の非ゼロ固有値に対応する固有空間の閉包として同定する。
• RKHSの作用素的特徴付けを用いて、同定可能性をこの作用素の平方根の像に関連付ける。
• SVDとTikhonov正則化を用いて、数値実験で重み付きと非重み付きL²ノルムの性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 どのデータに適応するL²空間において、平均場方程式における相互作用カーネルが一意に同定可能か？
• RQ2 有限粒子系と平均場極限との間で、カーネルの同定可能性はどのように異なるか？
• RQ3 2次損失関数が一意な最小化子を持つ正確な関数空間（FSOI）は何か？
• RQ4 なぜ逆問題に対して正則化が必要であり、L²ノルムの選択が推定器の精度にどのように影響するか？
• RQ5 積分作用素から導かれるデータに適応するRKHSは、標準的な事前に選択されたカーネルと比べて、正則化をどのように改善するか？

主な発見

• 同定可能性の関数空間（FSOI）は、逆作用素に関連するRKHSの閉包であり、作用素の平方根の像である。
• 同定可能性がL²で成立するのは、積分作用素が正定値である場合に限るが、平均場極限ではこれが成立せず、逆問題は不適切となる。
• 逆作用素のコンパクト性により、逆問題は不適切であるため、正則化が必要である。
• SVD解析により確認されたように、重み付きL²空間は非重み付きL²空間よりもより精度の高い正則化推定器をもたらす。
• 提案されたデータに適応するRKHSは、標準的なカーネルに基づく正則化とは異なり、データ駆動の積分作用素から導出されるため、改善された正則化戦略を可能にする。
• 例4.4において、径対称カーネルの場合、Mercerカーネルの明示的計算とその関連するRKHSにより、同定可能性解析が検証されている。