[논문 리뷰] A Kernel-Based Approach to Data-Driven Koopman Spectral Analysis

Matthew O. Williams, Clarence W. Rowley외 1명|arXiv (Cornell University)|2014. 11. 09.

Model Reduction and Neural Networks참고 문헌 20인용 수 74

한 줄 요약

이 논문은 고차원 시스템에서 Koopman 고유값, 고유함수, 고유모드를 정확하게 근사할 수 있는 커널 기반 방법을 소개한다. 커널 함수를 통해 고차원 스칼라 관측량의 풍부한 부분공간을 암묵적으로 정의함으로써, 확장된 DMD에서 발생하는 차원의 극복 문제를 해결하면서도 DMD와 유사한 계산 비용을 확보한다. 이는 FitzHugh-Nagumo PDE와 Re=413에서의 실측 유동 데이터에 대해 검증되었다.

ABSTRACT

A data driven, kernel-based method for approximating the leading Koopman eigenvalues, eigenfunctions, and modes in problems with high dimensional state spaces is presented. This approach approximates the Koopman operator using a set of scalar observables, which are functions defined on state space, that is determined {\em implicitly} by the choice of a kernel. This circumvents the computational issues that arise due to the number of basis functions required to span a "sufficiently rich" subspace of the space of scalar observables in these problems. We illustrate this method on the FitzHugh-Nagumo PDE, a prototypical example of a one-dimensional reaction diffusion system, and compare our results with related methods such as Dynamic Mode Decomposition (DMD) that have the same computational cost as our approach. In this example, the resulting approximations of the leading Koopman eigenvalues, eigenfunctions, and modes are both more accurate and less sensitive to the distribution of the data used in the computation than those produced by DMD.

연구 동기 및 목표

• 상태 공간의 차원이 높아질수록 필요로 하는 기저 함수의 수가 지수적으로 증가하는 문제로 인해 확장된 동적 모드 분해(Extended DMD)의 계산 비용이 과도해지는 문제를 해결하기 위해.
• 선형 관측량만을 사용하는 표준 DMD의 한계를 극복하여 비선형 시스템에서 복잡한 역학을 포착하지 못할 수 있는 문제를 해결하기 위해.
• 커널 함수를 이용해 스칼라 관측량의 풍부하고 고차원적인 부분공간을 암묵적으로 스펙트럼화함으로써, 명시적 기저 구축을 피하는 데이터 기반 방법을 개발하기 위해.
• 진짜 Koopman 모드가 알려져 있지 않은 실세계 응용, 예를 들어 노이즈가 많은 고차원 데이터를 포함한 실험적 유체역학 등에서 실용적인 Koopman 스펙트럼 분석을 가능하게 하기 위해.
• 완전한 고유값 시스템 계산이나 후속 절단 필터링 없이도 물리적으로 의미 있는, 천천히 감쇠되는 모드를 식별할 수 있도록 하기 위해.

제안 방법

• 확장된 DMD를 커널 기법을 활용해 재구성하여, 스칼라 관측량의 고차원 특징 공간에서의 내적을 명시적 기저 함수 없이 암묵적으로 계산한다.
• 다항식 커널을 사용하여 주어진 차수 α까지의 모든 다항식을 포함하는 재생 커널 힐버트 공간(RKHS)을 정의한다.
• 시스템의 시간 시리즈 샘플로부터 유도된 커널-그램 행렬을 이용해 Koopman 연산자의 유한 차원 근사를 구성한다.
• 커널-그램 행렬에서 일반화된 고유값 문제를 풀어 Koopman 고유값과 고유함수를 계산하며, 고유벡터는 특징 공간 내의 Koopman 모드를 나타낸다.
• 커널 기반 Koopman 연산자 근사의 좌고유벡터를 통해 주요 Koopman 모드를 추출하여 가장 느리게 감쇠되는 동역학에 집중한다.
• 합성 PDE 데이터(FitzHugh-Nagumo)와 실험적 유체역학 데이터(실린더 유동의 소용돌이도)에 대해 이 방법을 적용하고, 표준 DMD 및 확장된 DMD와 결과를 비교한다.

실험 결과

연구 질문

• RQ1 표준 DMD와 동일한 계산 비용을 유지하면서 더 풍부한 관측량을 사용하는 커널 기반 방법이 Koopman 고유값과 모드를 정확하게 근사할 수 있는가?
• RQ2 선형화된 FitzHugh-Nagumo PDE에서 진짜 고유값과 모드가 해석적으로 알려진 경우, 커널 기반 접근법은 Koopman 모드를 얼마나 잘 식별할 수 있는가?
• RQ3 진짜 Koopman 구조가 알려져 있지 않은 노이즈가 많은 고차원 실험 데이터에서 커널 방법이 물리적으로 의미 있는, 천천히 감쇠되는 모드를 얼마나 잘 추출할 수 있는가?
• RQ4 표준 DMD에 비해 커널 방법이 더 나은 역학적 성질(예: 이미성 또는 왼쪽 반평면에 위치)을 가진 고유값을 생성하는가?
• RQ5 커널 기반 고유값 문제를 통해 주요 모드에 집중함으로써 전체 고유값 시스템 계산과 후속 절단을 피할 수 있는가?

주요 결과

• 커널 기반 방법은 FitzHugh-Nagumo PDE의 주요 Koopman 고유값과 모드를 정확하게 식별하며, 선형화되지 않은 경우에도 일관되고 재현 가능한 결과를 보였다.
• FitzHugh-Nagumo 시스템의 경우, 선형화 스펙트럼을 넘어서 추가적인 Koopman 고유값과 모드를 성공적으로 계산하여 선형 분석으로는 접근할 수 없는 비선형 역학을 포착함을 시사한다.
• 실험적 실린더 유동 사례(Re=413)에서, 이 방법은 알려지지 않은 진짜 역학에도 불구하고 기대되는 Koopman 고유값의 특성(이미성 또는 왼쪽 반평면에 위치)을 잘 반영한 고유값을 식별하였다.
• 커널 방법을 통해 식별된 주요 Koopman 모드는 가장 느리게 감쇠되는 동역학을 나타내며, 전체 고유값 시스템 계산이나 에너지 기반 절단 없이도 직접 추출이 가능하다.
• 이 방법은 표준 DMD와 유사한 계산 비용을 확보하여, 확장된 DMD가 비가능해지는 고차원 시스템으로도 확장 가능하다.
• 합성 및 실험적 환경 모두에서 커널 방법은 복잡한 역학을 더 잘 포착하며, 특히 최소한의 후처리로 물리적으로 의미 있는 모드를 식별하는 데서 표준 DMD를 능가한다.