[論文レビュー] Toroidal Coordinates: Decorrelating Circular Coordinates With Lattice Reduction

Luis Scoccola, Hitesh Gakhar+5 more|arXiv (Cornell University)|Dec 14, 2022

Advanced Numerical Analysis Techniques被引用数 1

ひとこと要約

本論文は、トポロジカルデータ解析における線形独立なコhomology類から導かれる円周値写像の相関を解消するための体系的かつ包括的な手法を提案する。この手法は、トーラス値表現におけるディリクレエネルギーを最小化するために格子還元を用いる。このアプローチはリーマン幾何学と計算数論に基づいており、低エネルギーで幾何学的に相関のない座標を生成し、合成的および実世界のデータセット、特に神経科学および力学系の応用分野で、標準的な円形座標よりも優れた性能を発揮する。

ABSTRACT

The circular coordinates algorithm of de Silva, Morozov, and Vejdemo-Johansson takes as input a dataset together with a cohomology class representing a $1$-dimensional hole in the data; the output is a map from the data into the circle that captures this hole, and that is of minimum energy in a suitable sense. However, when applied to several cohomology classes, the output circle-valued maps can be "geometrically correlated" even if the chosen cohomology classes are linearly independent. It is shown in the original work that less correlated maps can be obtained with suitable integer linear combinations of the cohomology classes, with the linear combinations being chosen by inspection. In this paper, we identify a formal notion of geometric correlation between circle-valued maps which, in the Riemannian manifold case, corresponds to the Dirichlet form, a bilinear form derived from the Dirichlet energy. We describe a systematic procedure for constructing low energy torus-valued maps on data, starting from a set of linearly independent cohomology classes. We showcase our procedure with computational examples. Our main algorithm is based on the Lenstra--Lenstra--Lovász algorithm from computational number theory.

研究の動機と目的

• 円周値写像間の幾何学的相関をディリクレ形式およびエネルギー最小化を用いて形式化すること。
• 複数のコhomology類が使用される際、既存の円形座標アルゴリズムに見られる体系的でない相関解消の欠如を是正すること。
• 独立したコhomology類から低エネルギーのトーラス値写像を構築するスケーラブルなアルゴリズムを開発すること。
• 提案手法が、異なるトポロジカル特徴を保持する点で、標準的な円形座標を上回ることを実証すること。

提案手法

• 本手法は、滑らかな写像 f, g : M → S¹ 間の幾何学的相関の尺度としてディリクレ形式 D(f, g) を用いる。
• 定理15を用いて、ディリクレエネルギーとコサイクル上の内積の間の対応関係を確立し、コhomologyレベルでのエネルギー最小化を可能にする。
• トーラス座標アルゴリズム（アルゴリズム2）は、コhomology格子上で格子還元問題を解くことで、低エネルギーのトーラス値写像を構築する。
• スパーストーラス座標アルゴリズム（アルゴリズム8）は、データおよび単体的複体構造のスパarsityを活用することでスケーラビリティを向上させる。
• 計算数論のLLLアルゴリズムを活用し、合計ディリクレエネルギーを最小化するコhomology類の整数線形結合を同定する。
• 本手法は実装され、概念実証用のGitHubリポジトリを介して検証され、スライディングウィンドウ埋め込みおよび合成神経科学データを含む4つのデータセットでテストされた。

実験結果

リサーチクエスチョン

• RQ1 トポロジカルデータ解析において、円周値写像間の幾何学的相関を形式的かつ定量的に定義・測定することは可能か？
• RQ2 線形独立なコhomology類から導かれる複数の円周値写像に対して、体系的な相関解消手順を開発することは可能か？
• RQ3 格子還元は、単純な組み合わせに比べて、トーラス値表現のエネルギー効率および幾何学的独立性をどの程度向上させるか？
• RQ4 提案手法は、複雑なデータセットにおいて、異なるトポロジカル特徴を捉える点で、標準的な円形座標と比較してどの程度優れているか？
• RQ5 本手法は、精度を損なわずに大規模または高次元のデータセットに対しても効果的にスケーリング可能か？

主な発見

• ウェーブデータセットにおけるスパース円形座標アルゴリズムのディリクレ相関行列は DSCC = [[1.1, 6.1], [6.1, 112.3]] であり、高い幾何学的相関を示している。
• トーラス座標アルゴリズムを適用した後、ディリクレ相関行列は DSTC = [[1.1, 1], [1, 76.6]] に低下し、顕著な相関解消が確認された。
• 合成神経科学例では、スパース円形座標アルゴリズムが多数の実行で3つの頭部姿勢を回復できなかったが、トーラス座標アルゴリズムは一貫して成功した。
• 基底変換行列 M = [[1, 0], [-5, 1]] は、元のコhomology類を最小エネルギーを伴う相関のない基底に変換した。
• 神経科学例におけるトーラス座標アルゴリズムのディリクレ相関行列は DSTC = [[51.6, -0.9, 0.8], [-0.9, 50.2, 0.5], [0.8, 0.5, 51.1]] であり、元の DSCC 行列と比較して強い相関解消が確認された。
• ペairワイズ L2 距離の可視化により、図9（トーラス座標）における水平座標が回転のみをパラメータ化していることが確認されたのに対し、円形座標はこの特徴を分離できなかった。