[论文解读] Dynamic maximum entropy provides accurate approximation of structured population dynamics

Katarína Boďová, Enikő Szép+1 more|arXiv (Cornell University)|Feb 6, 2021

Advanced Thermodynamics and Statistical Mechanics参考文献 40被引用 6

一句话总结

本文提出一种动态最大熵（DME）方法，通过采用拟稳态最大熵假设，将高维福克-普朗克方程约化为低维确定性系统，从而近似复杂、多尺度的随机种群动力学。该方法在非平衡条件下表现出高精度，在Ornstein-Uhlenbeck过程中可恢复精确动力学，并在具有迁移的随机岛屿模型中保持宏观层面的保真度。

ABSTRACT

Realistic models of biological processes typically involve interacting components on multiple scales, driven by changing environment and inherent stochasticity. Such models are often analytically and numerically intractable. We revisit a dynamic maximum entropy method that combines a static maximum entropy and a quasi-stationary approximation. This allows us to reduce stochastic non-equilibrium dynamics expressed by the Fokker-Planck equation to a simpler low-dimensional deterministic dynamics, without the need to track microscopic details. Although the method has been previously applied to a few (rather complicated) applications in population genetics, our main goal here is to explain and to better understand how the method works. We demonstrate the usefulness of the method for two widely studied stochastic problems, highlighting its accuracy in capturing important macroscopic quantities even in rapidly changing non-stationary conditions. For the Ornstein-Uhlenbeck process, the method recovers the exact dynamics whilst for a stochastic island model with migration from other habitats, the approximation retains high macroscopic accuracy under a wide range of scenarios for a dynamic environment.

研究动机与目标

• 开发一种用于由福克-普朗克方程支配的随机种群动力学的降维技术。
• 理解并提升动态最大熵（DME）方法在非平衡、时变系统中的精度。
• 展示该方法在具有空间结构和环境变化的现实生物模型中的适用性和鲁棒性。
• 通过分析Ornstein-Uhlenbeck过程和岛屿模型等解析可解模型，为DME提供理论基础。
• 将该方法的适用性扩展至生态与进化时间尺度相互作用的生态-进化动力学模型。

提出的方法

• 结合静态最大熵（ME）与拟稳态假设，近似随机系统中各阶矩的时间演化。
• 通过假设在每个时间点概率分布均处于最大熵状态，将完整的福克-普朗克动力学约化为低维确定性系统。
• 通过在ME假设下强制矩方程的平稳性，推导出拉格朗日乘子（作用力）α∗的有效动力学。
• 利用协方差矩阵Cα∗将矩的动力学转换为有效作用力的动力学，从而获得闭式演化方程。
• 将该方法应用于两个典型模型：Ornstein-Uhlenbeck过程和具有迁移的逻辑斯蒂岛屿模型。
• 通过超几何函数等解析表达式计算岛屿模型中B和C矩阵的平稳矩与累积量。

实验结果

研究问题

• RQ1 DME方法在结构化种群模型的非平衡随机动力学中近似的准确性如何？
• RQ2 DME方法能否在解析可解系统（如Ornstein-Uhlenbeck过程）中恢复精确动力学？
• RQ3 在快速环境变化和非平稳条件下，DME近似方法的鲁棒性如何？
• RQ4 拟稳态假设在实现高维随机过程的低维精确近似中起到何种作用？
• RQ5 DME在生态与遗传动力学耦合的生态-进化模型中可推广到何种程度？

主要发现

• 对于Ornstein-Uhlenbeck过程，DME方法可精确恢复各阶矩的动力学，证明其解析正确性。
• DME近似方法所得的有效作用力α∗的动力学与精确解完全一致，验证了其在该基准案例中的有效性。
• 在具有迁移的随机岛屿模型中，DME方法在广泛的环境条件和迁移率范围内均保持高度宏观精度。
• 即使在远离平衡的区域，该方法依然保持高精度，而标准拟稳态近似方法常在此类情形下失效。
• DME框架允许在稳态分布下，通过超几何函数解析计算关键统计矩（如⟨n⟩, ⟨n²⟩, ⟨1/n⟩）。
• 通过逆协方差矩阵Cα∗将矩的动力学转换为有效作用力的动力学，从而获得可闭合的常微分方程组，能精确追踪宏观行为。