[논문 리뷰] Low-rank Approximation and Dynamic Mode Decomposition.

Patrick Héas, Cédric Herzet|arXiv (Cornell University)|2016. 10. 10.

Model Reduction and Neural Networks인용 수 5

한 줄 요약

이 논문은 고차원 동역계에서 저질서 동적 모드 분해(DMD)를 위한 폐쇄형 해를 제안하며, 다항 시간 내에 비볼록 저질서 최적화 문제를 해결한다. 이 방법은 l2-노름 오차가 특성화된 최적의 근사화를 가능하게 하며, SVD 또는 고유값 분해를 통한 효율적인 저차원 모델링을 제공한다.

ABSTRACT

This work studies the linear approximation of high-dimensional dynamical systems using low-rank dynamic mode decomposition (DMD). Searching this approximation in a data-driven approach is formalised as attempting to solve a low-rank constrained optimisation problem. This problem is non-convex and state-of-the-art algorithms are all sub-optimal. This paper shows that there exists a closed-form solution, which is computed in polynomial time, and characterises the l2-norm of the optimal approximation error. The paper also proposes low-complexity algorithms building reduced models from this optimal solution, based on singular value decomposition or eigen value decomposition. The algorithms are evaluated by numerical simulations using synthetic and physical data benchmarks.

연구 동기 및 목표

• 데이터 기반 방식으로 고차원 동역계를 저질서 DMD를 사용해 근사화하는 데 도전 과제를 해결하기 위해.
• 근사 문제를 비볼록 저질서 제약 최적화 문제로 공식화하기 위해.
• 기존 최첨단 알고리즘의 부분 최적성 문제를 해결하기 위해.
• 최적의 저질서 근사화를 위한 다항 시간 계산이 가능한 폐쇄형 해를 유도하기 위해.
• 유도된 해를 사용하여 최적 근사 오차의 l2-노름을 특성화하고, 효율적인 저차원 모델링 알고리즘을 개발하기 위해.

제안 방법

• 저질서 DMD 근사 문제를 질서 제약 조건이 있는 비볼록 최적화 문제로 공식화한다.
• 최적화 문제의 폐쇄형 해를 도출하여 정확한 다항 시간 내 계산이 가능하게 한다.
• 유도된 해를 사용하여 최적 근사 오차의 l2-노름을 특성화한다.
• 최적 해를 기반으로 특이값 분해(SVD)를 사용하여 저차원 모델을 구축한다.
• 계산 효율성을 위해 대안으로 고유값 분해 기반 저차원 모델링을 제안한다.
• 수치 시뮬레이션을 통해 합성 데이터 및 물리적 데이터 벤치마크를 활용해 제안된 알고리즘을 검증한다.

실험 결과

연구 질문

• RQ1 비볼록 저질서 DMD 최적화 문제에 대해 폐쇄형 해를 도출할 수 있는가?
• RQ2 저질서 DMD에서 최적 근사 오차의 정확한 l2-노름은 무엇인가?
• RQ3 최적 해는 다항 시간 내에 계산 가능하여 고차원 시스템에서 실용적으로 사용할 수 있는가?
• RQ4 최적 해에서 저차원 모델을 구축할 때 SVD 기반과 고유값 분해 기반 알고리즘이 어떻게 비교되는가?
• RQ5 제안된 알고리즘의 실증 성능은 합성 및 물리적 데이터 벤치마크에서 어떻게 나타나는가?

주요 결과

• 비볼록 저질서 DMD 최적화 문제에 대해 폐쇄형 해가 존재하여 비볼록성 문제를 해결한다.
• 최적 해는 다항 시간 내에 계산 가능하여 고차원 시스템에 효율적으로 적용할 수 있다.
• 유도된 해를 사용하여 최적 근사 오차의 l2-노름이 명시적으로 특성화된다.
• 최적 해에서 저차원 모델을 구축하기 위해 SVD 기반 및 고유값 분해 기반 알고리즘이 제안된다.
• 합성 및 물리적 데이터에 대한 수치 시뮬레이션을 통해 제안된 알고리즘의 효과성과 정확성이 입증된다.
• 제안된 방법은 기존의 부분 최적 알고리즘보다 최적 근사 성능을 달성한다.