[논문 리뷰] Optimal Sampling in Joint Time- and Graph-Domains for Dynamic Complex Networks

Zhuangkun Wei, Bin Li외 1명|arXiv (Cornell University)|2019. 01. 30.

Gene Regulatory Network Analysis참고 문헌 26인용 수 6

한 줄 요약

이 논문은 복잡한 네트워크 상의 비선형 동적 신호를 완전히 복원하기 위해 시간 도메인과 그래프 도메인에서의 최적 샘플링 이론을 제안한다. 네트워크 동역학을 선형화된 행렬 시스템으로 모델링함으로써, 안정적이고 밴드리미티드 초기화된 시스템이 그래프 구조와 동역학에 대응하는 샘플링 속도 및 위치를 통해 완벽하게 재구성될 수 있음을 증명한다. 이는 실세계 네트워크에서 최적의 센서 배치와 샘플링 속도를 가능하게 한다.

ABSTRACT

Many engineering, social, and biological complex systems consist of dynamical elements connected via a large-scale network. Monitoring the network's dynamics is essential for a variety of maintenance and scientific purposes. Whilst we understand how to optimally sample a single dynamic element or a non-dynamic graph, we do not possess a theory on how to optimally sample networked dynamical elements. Here, we study nonlinear dynamic graph signals. We define the necessary conditions for optimal sampling in the combining time- and graph-domain to fully recover the networked dynamics. We firstly interpret the networked dynamics into a linearized matrix. Then, We prove that the dynamic signals can be sampled and fully recovered if the networked dynamics is stable and their initialization is bandlimited. This new theory directly maps optimal sampling locations and rates to the graph properties and governing nonlinear dynamics. This can inform the optimal placement of experimental probes and sensors on dynamical networks as well as inform the design of each sensor's optimal sampling rate. We motivate the reader with two examples of recovering the networked dynamics for: social population growth and networked protein biochemical interactions with both bandlimited and arbitrary initialization.

연구 동기 및 목표

• 시간과 그래프 도메인이 모두 포함된 복잡한 네트워크 상의 동적 신호에 대한 최적 샘플링 이론적 프레임워크를 개발하는 것.
• 단일 신호 또는 정적 그래프에 대한 기존 방법에도 불구하고, 네트워크 동역학 시스템의 샘플링에 대한 체계적인 이론의 부재를 다루는 것.
• 네트워크 동역학 신호가 샘플 데이터로부터 완전히 복원될 수 있는 조건을 설정하는 것.
• 최적 샘플링 위치와 속도를 그래프의 스펙트럼 특성과 시스템의 비선형 동역학에 직접 맵핑하는 것.
• 사회적 동역학 및 생화학적 네트워크와 같은 애플리케이션에서 실용적인 센서 배치 및 샘플링 속도 설계를 안내하는 것.

제안 방법

• 네트워크 동역학을 비선형 시스템으로 모델링하고 분석을 위해 행렬 표현으로 선형화하는 것.
• 그래프 푸리에 변환과 시간 샘플링을 사용하여 시간-그래프 도메인의 공동 신호 표현을 정의하는 것.
• 그래프 스펙트럼에서의 시스템 안정성과 초기화의 밴드리미티드성에 기반한 완벽한 신호 복원 조건을 설정하는 것.
• 그래프 라플라시안의 고유구조와 동역학 파라미터에 최적 샘플링 위치 및 속도를 맵핑하는 샘플링 정리를 유도하는 것.
• 최소한의 데이터 수집으로도 전체 신호 재구성을 보장하는 샘플링 전략을 설계하기 위해 이 이론을 활용하는 것.
• 이론적 분석과 두 가지 유용한 예시를 통해 접근 방식을 검증하는 것: 사회적 인구 동역학과 단백질 상호작용 네트워크.

실험 결과

연구 질문

• RQ1 복잡한 네트워크 상의 동적 신호가 시간 및 그래프 도메인 양쪽에서 샘플링된 데이터로부터 완전히 복원될 수 있는 조건은 무엇인가?
• RQ2 네트워크의 그래프 구조와 지배적인 비선형 동역학에 기반해 최적의 샘플링 위치와 속도를 어떻게 결정할 수 있는가?
• RQ3 초기 조건의 밴드리미티드성은 네트워크 동역학의 완벽한 재구성 가능성을 어떻게 뒷받침하는가?
• RQ4 시스템의 안정성이 동적 네트워크의 최적 샘플링 전략의 타당성과 설계에 어떻게 영향을 미치는가?
• RQ5 제안된 이론은 사회적 네트워크 및 생화학적 네트워크와 같은 실세계 네트워크 시스템에 적용될 수 있는가?

주요 결과

• 시스템이 안정적이고 초기 상태가 그래프 스펙트럼에서 밴드리미티드일 경우, 복잡한 네트워크 상의 동적 신호는 완전히 복원 가능하다.
• 최적 샘플링 위치는 그래프 라플라시안의 고유벡터에 의해 결정되며, 네트워크의 동역학에서 주요 모드와 일치한다.
• 샘플링 속도는 그래프의 스펙트럼 특성과 동역학의 시간 상수와 연결되어 있어, 중복 최소화와 최대 정보 확보를 보장한다.
• 이 이론은 전체 상태 관측이 필요 없이도 최소한의 프로브로도 네트워크 동역학의 완전한 재구성을 보장하는 센서 네트워크 설계를 가능하게 한다.
• 이 프레임워크는 사회적 인구 성장과 네트워크 기반 단백질 생화학적 상호작용의 두 가지 실세계 예제에서 검증되었으며, 밴드리미티드 및 임의의 초기화 모두에 적용 가능함을 보여준다.
• 결과적으로 최적 샘플링은 네트워크의 구조와 동역학에서 체계적으로 유도될 수 있으며, 전체 상태 관측이 필요로 하지 않는다.