[论文解读] WKB versus generalized van Kampen system-size expansion: the stochastic logistic equation

Claudia Cianci, Duccio Fanelli+1 more|arXiv (Cornell University)|Aug 3, 2015

Spectroscopy and Quantum Chemical Studies参考文献 3被引用 3

一句话总结

本文比较了WKB近似与广义van Kampen系统规模展开方法在分析随机逻辑斯蒂方程中灭绝动力学时的表现。结果表明，尽管两种方法都能准确预测罕见的灭绝事件，但WKB方法能为涨落分布提供闭式解析表达式，而van Kampen方法则需要通过截断策略数值求解耦合的矩方程，因此在该类问题中WKB方法更具效率。

ABSTRACT

Stochastic fluctuations are central to the understanding of extinction dynamics. In the context of population models they allow for the description of the transition from the vicinity of a non-trivial fixed point of the deterministic dynamics to a trivial fixed point, where the population has become extinct. To characterize analytically the fluctuations of a given stochastic population model, one can operate within the so-called linear-noise approximation. Here the fluctuations are taken to be Gaussian, and the phenomenon of extinction is so rare as to be negligible, for all practical purposes. When the size of the population becomes small, non-Gaussian fluctuations are instead found. Two analytical schemes are in principle available to determine the nature of the distribution of associated fluctuations: the generalized van Kampen system-size expansion beyond the conventional order of approximation and a WKB-like method. Here we investigate the accuracy of these two different approximation schemes, with reference to a simple stochastic process that converges to the logistic equation in the deterministic limit.

研究动机与目标

• 比较WKB近似与广义van Kampen系统规模展开方法在建模随机种群动力学中罕见灭绝事件时的预测准确性。
• 评估高阶系统规模展开方法在超越线性涨落近似时，对灭绝附近非高斯涨落的捕捉能力。
• 将WKB方法与扩展的van Kampen方法与使用Gillespie算法的数值模拟结果进行对比评估。
• 确定在何种条件下，每种方法能更准确或更高效地描述灭绝动力学。
• 探讨两种方法的互补性，特别是对概率分布整体形状（包括灭绝尾部）的捕捉能力。

提出的方法

• 将广义van Kampen系统规模展开应用于随机逻辑斯蒂模型，通过在$ N^{-1/2} $中引入高阶项，将方法扩展至超越线性涨落近似，以包含非高斯修正。
• 通过泰勒级数展开和van Kampen假设，将主方程展开，按$ \xi $和$ N^{-1/2} $的幂次分组，推导出广义Fokker-Planck方程。
• 采用类似WKB的方法，将概率分布近似为$ \Pi(\xi) \sim e^{-N S(x)} $，其中$ S(x) $满足由Freidlin-Wentzell理论导出的哈密顿-雅可比方程。
• 求解WKB哈密顿系统，以确定灭绝轨迹及概率密度函数中尾部分布的形状。
• 使用Gillespie算法进行数值模拟，生成用于与解析近似比较的参考数据。
• 将两种解析方法与模拟结果进行比较，重点关注涨落分布及与灭绝相关的罕见事件尾部。

实验结果

研究问题

• RQ1 WKB方法与广义van Kampen系统规模展开方法在预测随机逻辑斯蒂模型中随机涨落分布方面表现如何比较？
• RQ2 广义van Kampen展开在超越线性涨落近似时，对非高斯灭绝动力学的捕捉精度如何？
• RQ3 WKB方法能否为灭绝尾部分布提供闭式解析表达式？其与van Kampen方法中矩方程的数值解相比如何？
• RQ4 在哪些参数区域内，两种方法表现出显著差异？各自在灭绝边界附近存在何种局限性？
• RQ5 两种解析方法在多大程度上能复现使用Gillespie算法进行的随机模拟结果？

主要发现

• WKB方法能为涨落的概率分布提供闭式解析表达式，尤其在捕捉与灭绝相关的罕见事件尾部方面表现优异。
• 广义van Kampen展开需要求解大量耦合代数方程以获得矩，且必须通过数值方式截断，同时闭合策略需事后验证。
• 两种方法与使用Gillespie算法的数值模拟结果均表现出令人满意的吻合，证实了其在罕见灭绝事件区域的预测能力。
• WKB方法在效率和解析透明性方面更优，而当扩展至高阶时，van Kampen方法在灭绝边界附近的行为描述更自然。
• 两种方法具有互补性：WKB能有效捕捉分布的尾部，而扩展的van Kampen方法则在灭绝边界附近提供一致的描述，表明二者结合可获得灭绝动力学的完整图像。
• 本研究证实，当种群规模较小时，灭绝作为显著的随机效应，高阶系统规模展开中的修正项是描述非高斯涨落所必需的。