[논문 리뷰] Data-driven stochastic modeling of coarse-grained dynamics with finite-size effects using Langevin regression

Jordan Snyder, Jared Callaham외 2명|arXiv (Cornell University)|2021. 03. 31.

Nonlinear Dynamics and Pattern Formation참고 문헌 71인용 수 3

한 줄 요약

이 논문은 유한 크기의 Kuramoto 시스템의 군집화된 역학을 위한 데이터 기반의 스토하스틱 미분 방정식(SDE)을 유도하기 위해 랭게빈 회귀를 적용한다. 유도된 결과는 동기화 전이 근처의 유한 크기 변동성이 주로 소음 증가가 아니라 드리프트 항의 분기로 인해 발생하며, 이는 옷-안톤센 추측과 일치한다. 여기서 분산 계수는 $N^{-1/2}$로 스케일링되며, 중심극한정리와 일치한다.

ABSTRACT

Obtaining coarse-grained models that accurately incorporate finite-size effects is an important open challenge in the study of complex, multi-scale systems. We apply Langevin regression, a recently developed method for finding stochastic differential equation (SDE) descriptions of realistically-sampled time series data, to understand finite-size effects in the Kuramoto model of coupled oscillators. We find that across the entire bifurcation diagram, the dynamics of the Kuramoto order parameter are statistically consistent with an SDE whose drift term has the form predicted by the Ott-Antonsen ansatz in the $N o \infty$ limit. We find that the diffusion term is nearly independent of the bifurcation parameter, and has a magnitude decaying as $N^{-1/2}$, consistent with the central limit theorem. This shows that the diverging fluctuations of the order parameter near the critical point are driven by a bifurcation in the underlying drift term, rather than increased stochastic forcing.

연구 동기 및 목표

• 유한 크기의 Kuramoto 시스템을 위한 물리적으로 해석 가능한 확률적 군집화 모델을 개발하기 위해.
• 집단 역학의 축소 모델에 체계적으로 유한 크기 효과를 통합하기 위해.
• 동기화 전이 근처의 임계 변동성이 증가한 소음 때문인지, 아니면 역학적 불안정성 때문인지 규명하기 위해.

제안 방법

• 유한한 $N$을 가진 시뮬레이션된 Kuramoto 시스템의 시계열 데이터에 랭게빈 회귀를 적용한다.
• 순서 매개변수 $r(t)$에 대해 $dr = \mu(r)dt + \sigma(r)dW_t$ 형태의 스토하스틱 미분 방정식(SDE)을 피팅한다.
• 비모수적 회귀를 사용하여 경험적 궤적에서 드리프트 $\mu(r)$와 분산 $\sigma(r)$를 추정한다.
• 유한 크기 스케일링 행동을 평가하기 위해 소음 계수를 $N^{1/2}$로 재스케일링한다.
• 다양한 천연 주파수 분포(카우시 및 가우시안) 간 비교를 통해 결과의 강건성을 시험한다.
• 무한대 근처의 $N \to \infty$ 극한에서 옷-안톤센 추측과의 일관성을 검증한다.

실험 결과

연구 질문

• RQ1 유한 크기의 Kuramoto 시스템의 군집화된 역학은 옷-안톤센 극한과 일치하는 SDE를 따르는가?
• RQ2 관측된 임계 변동성 스케일링은 증가한 소음 때문인가, 아니면 드리프트 항의 분기 때문인가?
• RQ3 효과적 소음 강도는 시스템 크기 $N$에 따라 어떻게 스케일링되는가?
• RQ4 카우시 분포와 가우시안 분포 간의 천연 주파수 분포에서 유한 크기 효과는 어떻게 다를까?
• RQ5 랭게빈 회귀는 현실적인 유한 시간 궤적에서 신뢰할 수 있는 해석 가능한 SDE를 복원할 수 있는가?

주요 결과

• 유도된 SDE의 드리프트 항은 전체 분기 다이어그램에서 $N \to \infty$ 극한에서 옷-안톤센 추측이 예측한 형태와 일치한다.
• 분산 계수는 $N^{-1/2}$로 스케일링되며, 중심극한정리와 일치하고 백색 소음 강제를 나타낸다.
• 임계점 근처의 변동성은 소음 크기 증가 때문이 아니라 드리프트 항의 분기로 인한 것이다.
• 카우시 분포된 천연 주파수에 대해 재스케일된 소음 강도 $N^{1/2}\xi^2$는 분기 매개변수 $\epsilon$ 전반에 걸쳐 거의 일정하며, 안정적인 유한 크기 스케일링을 나타낸다.
• 가우시안 분포된 천연 주파수에 대해 재스케일된 소음 강도는 임계점으로 갈수록 증가하고, 초임계 상태에서는 감소하며, 이는 서로 다른 동기화 역학을 반영한다.
• 초임계 상태에서는 완전한 동기화가 빈번히 발생하여 소음 계수의 신뢰성이 떨어지며, 이로 인해 SDE 모델이 적용 불가능해진다.