[논문 리뷰] Geometric Considerations of a Good Dictionary for Koopman Analysis of Dynamical Systems

Erik M. Bollt|arXiv (Cornell University)|2019. 01. 01.

Model Reduction and Neural Networks참고 문헌 18인용 수 2

한 줄 요약

이 논문은 코프만 연산자 분석에서 최적의 사전을 구성하기 위한 기하적 프레임워크를 제안한다. 고유함수는 여부공차 1의 횡단 집합에서의 초기 자료를 통해 정의되며, 특성 방법을 사용하고 스펙트럼 다중성을 해결하기 위해 일치하는 등고선을 가진 함수들로 구성된 동치류로서 '기본 고유함수'를 도입한다. 이 접근법은 고유함수 간의 기하적 관계를 드러내며, 점 스펙트럼과 연속 스펙트럼, 고유함수의 정의도메인 간의 관계를 명확히 한다.

ABSTRACT

Representation of a dynamical system in terms of simplifying modes is a central premise of reduced order modelling and a primary concern of the increasingly popular DMD (dynamic mode decomposition) empirical interpretation of Koopman operator analysis of complex systems. In the spirit of optimal approximation and reduced order modelling the goal of DMD methods and variants are to describe the dynamical evolution as a linear evolution in an appropriately transformed lower rank space, as best as possible. However, as far as we know there has not been an in depth study regarding the underlying geometry as related to an efficient representation. To this end we present that a good dictionary, that quite different from other's constructions, we need only to construct optimal initial data functions on a transverse co-dimension one set. Then the eigenfunctions on a subdomain follows the method of characteristics. The underlying geometry of Koopman eigenfunctions involves an extreme multiplicity whereby infinitely many eigenfunctions correspond to each eigenvalue that we resolved by our new concept as a quotient set of functions, in terms of matched level sets. We call this equivalence class of functions a ``primary eigenfunction to further help us to resolve the relationship between the large number of eigenfunctions in perhaps an otherwise low dimensional phase space. This construction allows us to understand the geometric relationships between the numerous eigenfunctions in a useful way. Aspects are discussed how the underlying spectral decomposition as the point spectrum and continuous spectrum fundamentally relate to the domain of the eigenfunctions functions.

연구 동기 및 목표

• 코프만 연산자 분석에서 사전 구성에 대한 기하학적 이해 부족 문제를 해결하기 위해.
• 단순화된 차원 수 모델링에서 각 고유값에 대해 무한한 고유함수 다중성 문제를 해결하기 위해.
• 횡단 여부공차 1의 다양체에서의 초기 자료로부터 고유함수를 체계적으로 구성하는 방법을 개발하기 위해.
• 고유함수와 스펙트럼 분해 간의 기하적 관계를 명확히 하며, 점 스펙트럼과 연속 스펙트럼을 포함한 내용을 다루기 위해.
• 일치하는 등고선을 가진 함수들의 동치류로서 '기본 고유함수' 개념을 도입하여 복잡한 고유함수 구조의 표현을 단순화하기 위해.

제안 방법

• 상태공간의 횡단 여부공차 1 부분집합에서 초기 자료 함수를 구성하여 고유함수를 생성한다.
• 특성 방법을 적용하여 이러한 초기 함수들을 전체 정의도메인으로 확장함으로써 부분도메인에서의 고유함수를 도출한다.
• 일치하는 등고선을 가진 고유함수의 동치류를 정의하여 각 고유값에 대한 무한한 다중성을 해결하고, '기본 고유함수'를 구성한다.
• 공통된 등고선을 가진 함수들 간의 동치관계를 기반으로 한 몫집합을 사용하여 기본 고유함수의 구조를 표현한다.
• 코프만 연산자의 점 스펙트럼과 연속 스펙트럼과 관련된 고유함수의 정의도메인을 분석한다.
• 이 몫기반 프레임워크를 통해 스펙트럼 분해와 고유함수의 공간적 지지도 간의 기하적 연결 고리를 수립한다.

실험 결과

연구 질문

• RQ1 코프만 연산자 분석을 위한 기하학적으로 정보를 얻은 사전을 어떻게 구성할 수 있는가? 이는 단순화된 차원 모델링을 향상시키기 위한 것이다.
• RQ2 횡단 여부공차 1 다양체는 고유함수 구성에 대한 초기 자료를 정의하는 데 어떤 역할을 하는가?
• RQ3 기하학적 프레임워크 내에서 각 고유값에 대해 발생하는 고유함수의 무한한 다중성을 어떻게 체계적으로 해결할 수 있는가?
• RQ4 고유함수의 정의도메인과 코프만 연산자의 점/연속 스펙트럼 간의 관계는 무엇인가?
• RQ5 등고선 일치와 함수의 몫집합은 어떻게 고유함수 가족의 최소 표현을 이끌어내는가?

주요 결과

• 특성 방법을 통해 횡단 여부공차 1 집합에서의 초기 자료로부터 고유함수를 구성할 수 있으며, 이는 기하학적으로 타당한 사전을 제공한다.
• 일치하는 등고선을 가진 함수들의 동치류를 도입함으로써 각 고유값에 대한 고유함수의 무한한 다중성을 해결하고, '기본 고유함수' 개념을 도입한다.
• 기본 고유함수 프레임워크는 저차원 상태공간에서 고유함수 가족의 최소화되고 기하학적으로 의미 있는 표현을 가능하게 한다.
• 고유함수의 정의도메인은 본질적으로 스펙트럼 분해와 연결되어 있으며, 점 스펙트럼과 연속 스펙트럼은 각각 다른 기하학적 및 함수적 성질을 나타낸다.
• 몫집합 구성은 고유함수를 체계적으로 분류하는 데 엄밀한 방법을 제공하며, 그들의 역학적 및 기하학적 관계를 유지한다.
• 이 접근법은 등고선의 기하학적 구조가 저차원 시스템에서조차도 고유함수 간의 기능적 관계를 지배한다는 것을 드러낸다.