[논문 리뷰] Systems Aliasing in Dynamic Network Reconstruction: Issues on Low Sampling Frequencies

Zuogon Yue, Johan Thunberg외 3명|arXiv (Cornell University)|2016. 05. 27.

Gene Regulatory Network Analysis참고 문헌 12인용 수 3

한 줄 요약

이 논문은 저속도 샘플링에서 동적 네트워크 복원에 있어서 '시스템 앨리어싱(system aliasing)'의 개념을 제안한다. 저속도 샘플링 주파수로 인해 여러 연속시간 시스템이 동일한 이산 샘플을 생성하여 네트워크 구조 추론이 모호해지는 현상이다. 이에 따라 시스템 앨리어징을 방지하기 위한 최소 샘플링 주파수를 결정하는 뉴퀴스트-샤논 유사 샘플링 정리(Nyquist-Shannon-like sampling theorem)를 수립하고, 앨리어징이 발생하지 않을 경우 희박한 네트워크를 복원하는 알고리즘을 제안하며, 앨리어징이 발생할 경우 희박성 사전 정보를 활용한 확장 기법을 제시한다.

ABSTRACT

Network reconstruction of dynamical continuous-time (CT) systems is motivated by applications in many fields. Due to experimental limitations, especially in biology, data could be sampled at low frequencies, leading to significant challenges in network inference. We introduce the concept of "system aliasing" and characterize the minimal sampling frequency that allows reconstruction of CT systems from low sampled data. A test criterion is also proposed to check whether system aliasing is presented. With no system aliasing, the paper provides an algorithm to reconstruct dynamic network from data in the presence of noise. In addition, when there is system aliasing we perform studies that add additional prior information of the system such as sparsity. This paper opens new directions in modelling of network systems where samples have significant costs. Such tools are essential to process the available data in applications subject to current experimental limitations.

연구 동기 및 목표

• 저속도 샘플링 주파수 데이터로부터 동적 네트워크를 복원하는 문제에 도전하며, 특히 고속도 샘플링이 실험적으로 불가능한 생물학적 시스템에서의 적용을 고려한다.
• 서로 다른 연속시간 시스템이 동일한 샘플 출력을 생성하는 현상인 '시스템 앨리어징'을 식별하고 수학적으로 정의한다. 이는 네트워크 구조 추론의 모호성을 초래한다.
• 뉴퀴스트-샤논 샘플링 정리와 유사한 이론적 최소 샘플링 주파수를 시스템 행렬의 고유구조 기반으로 도출하여 시스템 앨리어징을 방지한다.
• 시스템 앨리어징이 발생하지 않을 경우, 노이즈가 존재하더라도 희박한 동적 네트워크를 복원하는 알고리즘을 개발한다.
• 시스템 앨리어징이 발생할 경우, 네트워크의 희박성과 같은 추가 사전 정보를 활용하여 진정한 네트워크 구조를 회복할 수 있는지 탐구한다.

제안 방법

• 시스템 앨리어징을 정의한다: 주어진 샘플링 주파수에서 동일한 이산 샘플 출력을 생성하는 서로 다른 연속시간 시스템이 존재하는 현상이다.
• 시스템 행렬의 고유구조를 기반으로 시스템 앨리어징을 방지하기 위한 최소 샘플링 주파수를 결정하는 뉴퀴스트-샤논 유사 샘플링 정리를 유도한다.
• 핵 노름 최소화와 희박성 장려 최적화(예: LASSO)를 활용한 복원 알고리즘을 제안하여 저속도 샘플링 데이터로부터 희박한 네트워크 구조를 추론한다.
• 시스템 앨리어징이 존재하는지 여부를 판단하기 위한 검증 기준을 제안한다. 이는 시스템 행렬의 고유값과 조르당 구조를 분석하여 수행한다.
• 앨리어징이 감지된 경우, 네트워크의 희박성에 대한 사전 지식을 활용하여 해공간을 제약함으로써 불확실성 하에서 식별 가능성을 향상시킨다.
• 행렬 변환 $ h_Z(\bullet) $ 를 기반으로 복원 문제를 수식화하고, 추적 기반 프로베니우스 노름 비교를 통해 후보 시스템 행렬 간의 동치성을 평가한다.

실험 결과

연구 질문

• RQ1 샘플링 데이터로부터 연속시간 동적 네트워크를 유일하게 복원하기 위해 필요한 최소 샘플링 주파수는 무엇인가?
• RQ2 시스템 앨리어징은 어떤 조건에서 발생하며, 샘플링된 시계열 데이터로부터 실질적으로 어떻게 감지할 수 있는가?
• RQ3 시스템 앨리어징이 존재할 경우, 희박한 네트워크 구조는 여전히 신뢰성 있게 복원 가능한가? 추가 제약 조건이 필요한가?
• RQ4 샘플링 데이터의 노이즈는 기저 네트워크 구조의 식별 가능성에 어떤 영향을 미치는가?
• RQ5 희박성에 대한 사전 지식은 저속도 샘플링 조건에서 네트워크 복원 정확도를 어느 정도 향상시킬 수 있는가?

주요 결과

• 논문은 시스템 행렬의 고유구조 기반으로 시스템 앨리어징을 방지하기 위한 이론적 최소 샘플링 주파수 하한을 도출하였으며, 이는 뉴퀴스트-샤논 정리와 유사하다.
• 서로 다른 연속시간 시스템이 동일한 샘플 출력을 생성할 경우 시스템 앨리어징이 발생하며, 이는 네트워크 구조 추론의 모호성을 초래한다.
• 후보 시스템 행렬의 조르당 표준형과 고유값 분포 분석을 통해 시스템 앨리어징을 감지하기 위한 검증 기준을 제안한다.
• 시스템 앨리어징이 존재하지 않을 경우, 제안된 알고리즘이 유한한 노이즈가 존재하는 저속도 데이터로부터 희박한 동적 네트워크를 성공적으로 복원한다.
• 시스템 앨리어징이 존재할 경우, 희박성 사전 정보를 활용하면 진정한 네트워크 구조 식별 가능성이 크게 향상되지만, 정확한 복원은 이론적으로 제한되어 있다.
• 변환 $ h_Z(\bullet) $ 의 프로베니우스 노름을 사용하여 시스템 행렬을 비교하였으며, $ \|h_Z(A_1)\|_F = \|h_Z(A_2)\|_F $ 이다. 이는 $ A_1 \sim A_2 $ 와 동치임을 보여주며, 핵심 동치성 테스트를 제공한다.