[논문 리뷰] An automatic L1-based regularization method for the analysis of FFC dispersion profiles with quadrupolar peaks

Germana Landi, Giovanni Vito Spinelli외 5명|arXiv (Cornell University)|2022. 08. 08.

NMR spectroscopy and applications인용 수 7

한 줄 요약

이 논문은 빠른 자기장 스위칭 NMR 분산 프로파일과 이완 강화를 위한 이완 강화를 고려한 자동 L1-정규화 최적화 방법인 AURORA를 제안한다. 비선형 가우스-세이델 솔버와 균형 원칙 기반 정규화 매개변수 업데이트를 조합함으로써, 노이즈가 있는 실험 데이터로부터 신뢰성 있고 데이터 일관성이 있는 상관 시간 분포 및 QRE 매개변수를 회복할 수 있으며, 합성 및 실제 NMRD 프로파일(파르미지아노-레지아노 치즈 및 건조 나노스펀지 샘플 포함)에 대해 고해상도 피팅을 달성한다.

ABSTRACT

Fast Field-Cycling Nuclear Magnetic Resonance relaxometry is a non-destructive technique to investigate molecular dynamics and structure of systems having a wide range of applications such as environment, biology, and food. Besides a considerable amount of literature about modeling and application of such technique in specific areas, an algorithmic approach to the related parameter identification problem is still lacking. We believe that a robust algorithmic approach will allow a unified treatment of different samples in several application areas. In this paper, we model the parameters identification problem as a constrained $L_1$-regularized non-linear least squares problem. Following the approach proposed in [Analytical Chemistry 2021 93 (24)], the non-linear least squares term imposes data consistency by decomposing the acquired relaxation profiles into relaxation contributions associated with 1H-1H and 1H-14N dipole-dipole interactions. The data fitting and the L1-based regularization terms are balanced by the so-called regularization parameter. For the parameters identification, we propose an algorithm that computes, at each iteration, both the regularization parameter and the model parameters. In particular, the regularization parameter value is updated according to a Balancing Principle and the model parameters values are obtained by solving the corresponding $L_1$-regularized non-linear least squares problem by means of the non-linear Gauss-Seidel method. We analyse the convergence properties of the proposed algorithm and run extensive testing on synthetic and real data. A Matlab software, implementing the presented algorithm, is available upon request to the authors.

연구 동기 및 목표

• 빠른 자기장 스위칭 NMR 이완도 측정에서 매개변수 식별을 위한 통합적이고 알고리즘 기반의 프레임워크가 부족한 문제를 해결하기 위해.
• 물리적 경계 조건을 갖는 매개변수에 대해 제약 조건이 있는 L1-정규화 비선형 최소제곱 최적화 문제로 NMR 분산 프로파일 피팅 문제를 모델링하기 위해.
• 반복 최적화 동안 정규화 매개변수를 자동으로 업데이트하는 수렴 가능한 전략을 개발하여 데이터 일관성과 희박성 촉진을 균형 잡기 위해.
• 다양한 샘플, 특히 노이즈가 많고 복잡한 실제 데이터에서 상관 시간 분포 및 QRE 매개변수의 강력하고 정확하며 재현 가능한 추정을 가능하게 하기 위해.
• 모델 자유 분석을 지원하는 계산 도구를 제공하여 생물학, 식품 과학 및 재료 연구 분야에서의 광범위한 응용을 촉진하기 위해.

제안 방법

• 상관 시간 분포 함수의 희박성을 촉진하기 위해 L1 정규화가 포함된 제약 조건이 있는 비선형 최소제곱 문제로 매개변수 식별 문제를 수립하기 위해.
• 모델 매개변수와 정규화 매개변수를 번갈아가며 업데이트하는 이중 블록 비선형 가우스-세이델 방법을 사용하여 임계점으로 수렴하도록 보장하기 위해.
• 각 반복 단계에서 정규화 매개변수에 대해 균형 원칙 기반의 적응형 업데이트 규칙을 구현하여 데이터 일관성과 정규화 강도를 동적으로 균형 잡기 위해.
• 물리적 상자 제약 조건을 최적화에 통합하여 오프셋, 상관 시간, QRE 매개변수에 대해 생물학적으로 타당한 해를 보장하기 위해.
• 수렴 분석을 통해 최소값 존재성과 임계점으로의 수렴을 증명하는 반복 정밀화를 사용하여 최종 최적화 문제를 해결하기 위해.
• 공개 사용을 위한 MATLAB 기반 소프트웨어 도구(FreeModelFFC)를 개발 및 배포하여 AURORA 알고리즘을 구현하기 위해.

실험 결과

연구 질문

• RQ1 이완 강화가 있는 상황에서, 자동적이고 적응적인 정규화 매개변수 업데이트 전략이 NMR 분산 프로파일 역행에 있어 정확성과 강성 향상에 기여할 수 있는가?
• RQ2 L1-정규화 비선형 최소제곱 최적화는 노이즈가 있는 실험적 FFC-NMR 데이터로부터 희박한 상관 시간 분포 및 QRE 매개변수를 얼마나 잘 복원할 수 있는가?
• RQ3 제안된 방법은 다양한 실제 샘플에서 노이즈 수준과 신호 대 잡음비가 다양할 경우에도 고해상도 데이터 피팅과 정확한 QRE 피크 재현을 유지하는가?
• RQ4 균형 원칙 기반 정규화 매개변수 업데이트는 고정 또는 히우리스틱 정규화 선택에 비해 해의 안정성과 수렴성 측면에서 얼마나 뛰어나게 작용하는가?
• RQ5 AURORA 프레임워크는 상관 시간의 수와 값이 알려져 있지 않고 함께 추정되어야 하는 다른 NMRD 모델로 일반화될 수 있는가?

주요 결과

• AURORA 알고리즘은 노이즈가 5%일 경우에도 파르미지아노-레지아노 치즈의 경우 평균 제곱오차(MSE) 값이 7.8887×10⁻², 건조 나노스펀지의 경우 2.7853로 참값과 우수한 일치를 보였다.
• 합성 및 실제 데이터에서 이완 피크가 정확히 재현되었으며, 피크 위치와 강도가 참값과 밀접하게 일치하여 노이즈에 대한 강성도 입증되었다.
• AURORA가 복원한 상관 시간 분포는 물리적으로 타당한 형태를 보였고, 여러 노이즈 실현에서 일관되었으며, 피크 위치와 너비와 같은 핵심 특징을 유지하였다.
• 균형 원칙 기반 정규화 매개변수 업데이트는 안정적인 수렴을 보장하고 과적합을 방지하여 다양한 노이즈 수준에서도 해의 품질을 유지하였다.
• 이 방법은 나이들어진 치즈와 건조 나노스펀지에서의 실제 FFC-NMR 데이터를 성공적으로 피팅하여, 실제 복잡한 시스템에 적용 가능함을 확인하였다.
• AURORA 프레임워크는 신뢰성 있고 자동적이며 강력한 NMRD 프로파일 역행 도구로 검증되었으며, FreeModelFFC 소프트웨어 세트에 포함시킬 수 있는 결과를 제공하였다.