[论文解读] Data-driven stochastic modeling of coarse-grained dynamics with finite-size effects using Langevin regression

Jordan Snyder, Jared Callaham+2 more|arXiv (Cornell University)|Mar 31, 2021

Nonlinear Dynamics and Pattern Formation参考文献 71被引用 3

一句话总结

该论文应用朗之万回归方法，推导出有限尺寸 Kuramoto 系统的粗粒化动力学的数据驱动随机微分方程（SDE）。结果表明，同步相变附近的有限尺寸涨落主要由漂移项中的分岔驱动——与 Ott-Antonsen 假设一致——而非噪声增强，扩散系数按 $N^{-1/2}$ 缩放，与中心极限定理一致。

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.

研究动机与目标

• 为有限尺寸 Kuramoto 系统开发一个具有物理解释性的随机粗粒化模型。
• 系统地将有限尺寸效应纳入集体动力学的降阶模型中。
• 确定同步相变附近的临界涨落是由噪声增强还是动力学不稳定性引起。

提出的方法

• 对有限 $N$ 的模拟 Kuramoto 系统的时间序列数据应用朗之万回归。
• 将形式为 $dr = \mu(r)dt + \sigma(r)dW_t$ 的随机微分方程（SDE）拟合到序参量 $r(t)$。
• 使用非参数回归方法，从经验轨迹中估计漂移 $\mu(r)$ 和扩散 $\sigma(r)$。
• 通过 $N^{1/2}$ 对噪声系数进行重标度，以评估有限尺寸缩放行为。
• 通过不同自然频率分布（柯西分布与高斯分布）的对比，测试结果的鲁棒性。
• 在 $N \to \infty$ 极限下验证与 Ott-Antonsen 假设的一致性。

实验结果

研究问题

• RQ1 有限尺寸 Kuramoto 系统的粗粒化动力学是否遵循与 Ott-Antonsen 极限一致的 SDE？
• RQ2 观测到的临界涨落缩放是由于噪声增强还是漂移项中的分岔？
• RQ3 有效噪声强度如何随系统尺寸 $N$ 缩放？
• RQ4 柯西分布与高斯分布的自然频率下，有限尺寸效应有何不同？
• RQ5 朗之万回归能否从现实的、有限时间轨迹中可靠地恢复可解释的 SDE？

主要发现

• 推断出的 SDE 中的漂移项在整个分岔图中均与 $N \to \infty$ 极限下 Ott-Antonsen 假设预测的形式一致。
• 扩散系数按 $N^{-1/2}$ 缩放，与中心极限定理一致，表明为白噪声驱动。
• 临界点附近的涨落并非源于噪声幅值增加，而是由漂移项中的分岔引起。
• 对于柯西分布的自然频率，重标度后的噪声强度 $N^{1/2}\xi^2$ 在分岔参数 $\epsilon$ 上几乎恒定，表明有限尺寸缩放稳定。
• 对于高斯分布的自然频率，重标度后的噪声强度在临界点附近增加，并在超临界区域衰减，反映出不同的同步动力学。
• 在超临界区域，噪声系数变得不可靠，因为频繁发生完全同步，导致 SDE 模型不再适用。