[論文レビュー] The chemical birth-death process with additive noise

John J. Vastola|arXiv (Cornell University)|Oct 21, 2019

Gene Regulatory Network Analysis参考文献 58被引用数 5

ひとこと要約

この論文は、ガウス白色ノイズを伴う線形ストキャスティック微分方程式（SDE）に従う、加法的ノイズを伴う化学的誕生・消滅過程を正確に解くための8つの異なる解析的手法を提示する。すべての手法が同一の遷移確率分布に収束することを示し、一貫性を裏付け、化学動力学および統計物理学における同様の連続的ストキャスティック系を解くための包括的なツールキットを提供する。

ABSTRACT

The chemical birth-death process, whose chemical master equation (CME) is exactly solvable, is a paradigmatic toy problem often used to get intuition for how stochasticity affects chemical kinetics. In a certain limit, it can be approximated by an Ornstein-Uhlenbeck-like process which is also exactly solvable. In this paper, we use this system to showcase eight qualitatively different ways to exactly solve continuous stochastic systems: (i) integrating the stochastic differential equation; (ii) computing the characteristic function; (iii) eigenfunction expansion; (iv) using ladder operators; (v) the Martin-Siggia-Rose-Janssen-De Dominicis path integral; (vi) the Onsager-Machlup path integral; (vii) semiclassically approximating the Onsager-Machlup path integral; and (viii) approximating the solution to the corresponding CME.

研究の動機と目的

• 連続的ストキャスティック系を解くための8つの質的に異なる正確な手法を体系的に比較・提示すること。
• 直接的なSDE統合から経路積分形式に至るまで、多様な解析的手法が同一の明確に動機づけられたモデル系で等価であることを示すこと。
• 誕生・消滅過程の化学的マスター方程式（CME）が、平均値μが大きい極限において加法的ノイズSDEにどのように還元されるかを示すこと。
• 文献にあまり見られない、経路積分計算の明示的で教育的価値の高い例を提供すること。
• 離散的ストキャスティック化学動力学（CME）と連続的拡散近似（SDE/フォッカー・プランク方程式）の関係を明確にすること。

提案手法

• 積分因子を用いてSDEを直接解き、時間に依存するガウス過程として正確な解を導出する。
• 過程の特性関数を計算し、逆変換によって遷移確率分布を回復する。
• CMEにチャリエール多項式を用いた固有関数展開を行い、大μ極限におけるエルミート多項式との関係を示す。
• 量子調和振動子理論におけるラダー演算子に類似した手法を用いてフォッカー・プランク方程式を解く。
• マーティン＝シギア＝ローズ＝ヤンセン＝デ・ドミニシス（MSRJD）経路積分形式を用いて、遷移確率を正確に導出する。
• オンサーガー＝マッハループ経路積分と半古典的近似を適用し、同一の結果を回復することで、形式間の一貫性を示す。

実験結果

リサーチクエスチョン

• RQ1 連続的ストキャスティック系を解く複数の正確な技法が、同じ遷移確率分布をもたらすのか？
• RQ2 平均値μが大きい極限において、誕生・消滅過程の化学的マスター方程式（CME）と、化学ランジュビン方程式から導かれるフォッカー・プランク方程式の関係は何か？
• RQ3 経路積分、固有関数展開、直接的SDE解法といった異なる解析的手法—特に加法的ノイズを伴う線形SDEを解く場合—の長所と短所は何か？
• RQ4 SDEにおけるノイズ振幅σの選択が、特に定常状態において、元のCMEダイナミクスとどのように関係しているか？
• RQ5 CMEの解が大μ極限においてどの程度ガウス過程で近似可能であり、その近似が正確なSDE解とどのように比較されるか？

主な発見

• 直接SDE解法、特性関数、固有関数展開、ラダー演算子、MSRJD経路積分、オンサーガー＝マッハループ経路積分、半古典的近似、CME近似の8つの手法すべてが、式（7）で与えられる同一の遷移確率分布を導く。
• CMEから得られる定常確率分布 $ P_{ss}^{CME}(x) = \frac{\bar{\mu}^x e^{-\bar{\mu}}}{x!} $ は、大μ極限においてガウス分布 $ \frac{1}{\sqrt{2\pi\bar{\mu}}} \exp\left(-\frac{(x-\bar{\mu})^2}{2\bar{\mu}}\right) $ に還元され、フォッカー・プランク解と一致する。
• CMEを加法的ノイズで近似するための最適なノイズ振幅は $ \sigma_{\text{best}} = \sqrt{2k} $ であり、これは定常状態近辺で乗法的ノイズを線形化することから導かれる。
• CME解の固有関数展開（チャリエール多項式を用いて）は、大μ極限においてエルミート多項式展開に収束し、ガウス近似が正当化される。
• MSRJD経路積分法は、遷移確率を非常に明快かつ正確に導出できるため、相互作用を有する系への一般化の強力な候補となる。
• オンサーガー＝マッハループ経路積分の半古典的近似は正確な結果を回復する。これは、この確率的状況下でも古典的作用が支配的であることを示している。