Diagnostic Certificates of Data Quality and Regression Identifiability for Koopman Identification

ملخص تقني: شهادات تشخيص جودة البيانات وتحديد الانحدار لتعريف كوبرمان (Koopman Identification)

بيان المشكلة
في عملية تحديد الأنظمة الديناميكية غير الخطية باستخدام إطار عمل مؤثر كوبرمان (Koopman operator) وطريقة التفكيك الديناميكي للأنماط الموسعة مع التحكم (EDMDc)، تعتمد جودة النموذج المحدد على كائن انحدار مشترك يتكون من الحالات التي تمت زيارتها، وميزات القاموس المرفوعة (lifted dictionary features)، ومدخلات التحكم. إن معايير الإثارة المستمرة (Persistent Excitation - PE) الكلاسيكية، التي تقيم غنى المدخلات، غير كافية لهذا السياق؛ فقد تكون الإشارة غنية من حيث المدخلات بينما تظل مسارات الحالة محصورة في منطقة ضيقة؛ وقد تبدو عينات الحالة موزعة جيداً بينما ينتج القاموس المختار ميزات مرفوعة متدهورة أو عالية الارتباط؛ كما يمكن أن تكون الميزات المرفوعة غير متدهورة فردياً، ومع ذلك يظل مصفوفة الانحدار المجمعة النهائية (الميزات المرفوعة + المدخلات) سيئة الحالة (ill-conditioned) بسبب التكرار بين الأعمدة.

تتناول الورقة غياب إطار عمل مهيكل لتشخيص مكان فشل جودة البيانات في تعريف كوبرمان. وتفترض أن جودة البيانات هي مشكلة متعددة الطبقات تشمل هندسة فضاء الحالة، وهندسة الميزات المرفوعة، وهندسة فضاء الانحدار، وهي طبقات مرتبطة ببعضها البعض ولكنها ليست قابلة للتبادل.

المنهجية
يقترح المؤلفون إطار عمل لشهادات التشخيص يفصل تقييم جودة البيانات إلى ثلاث طبقات متميزة، تنتقل من خصائص أخذ العينات في المنبع إلى استقرار التقدير النهائي:

1. شهادات فضاء الحالة (State-Space Certificates): وهي تشخيصات غير مباشرة لتقييـم هندسة المسار الذي تم جمعه.

   • التغطية الاتجاهية ($C_{dir}$): تقيس تشتت اتجاهات إزاحة المسار.
   • عدم التكتل من نوع فروستمان ($C_{fr}$): تشخص التكرار المحلي لأخذ العينات والتكتل متعدد المقاييس.
   • تجانس الحالة ($C_{state}$): تقيم الحالة الطيفية لمصفوفة الحالة المعيارية النشطة.

2. شهادات الميزات المرفوعة (Lifted-Feature Certificates): وهي تقيم سلوك القاموس على البيانات التي تم جمعها.

   • تجانس الميزات المرفوعة ($C_{lift}$): تقيس الحد الأدنى للقيم الذاتية لمصفوفة غرام (Gram matrix) للميزات المرفوعة المعيارية، مما يكشف عن الأعمدة الثابتة أو الارتباطات العالية الناتجة عن توزيع حالة محدد.

3. شهادات فضاء الانحدار (Regression-Space Certificates): وهي تقيم مسألة انحدار EDMDc النهائية.

   • تجانس الانحدار ($C_{reg}$): تُعرف بأنها الحد الأدنى للقيم الذاتية للمصفوفة المجمعة المعيارية النشطة (الميزات المرفوعة + المدخلات). وهي الشهادة الأساسية ذات الضمانات النظرية المباشرة فيما يتعلق باستقرار التقدير.
   • الشهادة المركبة ($C_{GPE}$): مقياس من نوع "عنق الزجاجة" يأخذ الحد الأدنى من الطبقات المذكورة أعلاه (بعد تطبيعها بواسطة عتبات معينة) لتحديد موقع الفشل الرئيسي في جودة البيانات.

الإطار النظري
تؤسس الورقة أن $C_{reg}$ تتحكم مباشرة في أصغر قيمة مفردة للمصفوفة التصميمية المعيارية النشطة ($\sigma_{min}(\bar{\Phi})$). وتحت تصميم ثابت وضوضاء غاوسية مشروطة، تحدد هذه الشهادة معلومات فيشر المتوقعة وخطأ المقدر (الريدج/المربعات الصغرى). يثبت المؤلفون وجود حد سفلي من المجتمع إلى العينة لطيف الانحدار، موضحين أن الحصول على طيف موجب يتطلب عمل ثلاثة شروط معاً: تغطية توزيع الحالة، وعدم تدهور القاموس في تلك المنطقة، والإثارة الشرطية للمدخلات بالنسبة للميزات المرفوعة.

ومن الأهمية بمكان، توفر الورقة شرط متمم شوري (Schur-complement condition) ونماذج مضادة توضح أن هندسة الحالة المواتية لا تعني بالضرورة هندسة مرفوعة أو هندسة انحدار مواتية (على سبيل المثال، مجموعة حالات تتلاشى فيها قيمة حد معين من قاموس كثير الحدود بشكل متطابق). وبالتالي، لا يمكن للتشخيصات في المنبع أن تحل محل الفحص المباشر لطيف الانحدار النهائي.

التحقق التجريبي
تم تقييم الإطار باستخدام خوارزمية IGPE-DOPT، وهي طريقة أخذ عينات مدفوعة بالشهادات تقوم بتسجيل مقاطع المسار المرشحة بناءً على مزيج مرجح من الشهادات المقترحة. أُجريت التجارب على أنظمة Duffing وVan der Pol وLorenz، مع مقارنة IGPE-DOPT بكل من:

• المراجع الموجهة للمدخلات (Adaptive PE، Optimal Input Design).
• المراجع الموجهة للحالة (State-space k-center، GPE-STATE).
• المراجع الموجهة للمساحة المرفوعة (Lifted D-optimal).
• المراجع الموجهة لفضاء الانحدار (Regression D/E-optimal).

النتائج الرئيسية

1. فصل الطبقات: تؤكد التجارب أن طبقات الشهادات متميزة. فالطريقة التي تحسن تغطية الحالة (مثل STATE-KCENTER) لا تحسن بالضرورة طيف الانحدار، والعكس صحيح.
2. التوافق النظري: ترتبط شهادة الانحدار ($C_{reg}$) بالقيمة المفردة الدنيا واستقرار التقدير لخطوة واحدة، مما يؤكد الرابط النظري.
3. عدم الرتابة (Non-Monotonicity): الأداء في المراحل اللاحقة (التنبؤ طويل الأمد والتحكم في الحلقة المغلقة) ليس رتيباً بالنسبة لأي شهادة منفردة. فالطريقة التي تحقق أعلى شهادة انحدار لا تؤدي دائماً إلى أفضل أداء تحكم، لأن مقاييس المهمة تعتمد على انحياز القاموس، ومناطق التشغيل، والقدرة على التحكم في الحلقة المغلقة.
4. الحساسية: تغيير الأوزان في دالة تسجيل IGPE-DOPT يغير ملف جودة البيانات (على سبيل المثال، إعطاء الأولوية للانحدار على تغطية الحالة)، ولكن لا يوجد تكوين أوزان واحد يضمن المثالية عبر جميع المهام اللاحلة.

الأهمية والادعاءات
تؤطر الورقة مساهمتها صراحة كـ إطار تشخيصي قابل للحساب، والتفسير، والاستئصال (ablatable)، وليس كادعاء بالوصول إلى المثالية الشاملة لجمع البيانات.

• الفائدة التشخيصية: يعمل الإطار كـ "سير عمل للفرز" (triage workflow) للممارسين لتحديد ما إذا كان عنق زجاجة جودة البيانات يكمن في تغطية الحالة، أو تدهور القاموس، أو طيف الانحدار النهائي.
• الحدود النظرية: يؤكد المؤلفون أن ضماناتهم النظرية تنطبق حصرياً على استقرار انحدار EDMDc لخطوة واحدة في الإحداثيات المعيارية النشطة. وهم لا يدعون التحكم في خطأ التنبؤ طويل الأمد، أو استعادة الفضاء الجزئي الثابت لكوبرمان، أو أداء التحكم في الحلقة المغلقة.
• الإرشاد العملي: تجادل الورقة بأن الاعتماد فقط على الإثارة المستمرة للمدخلات (PE) أو تغطية الحالة أمر غير كافٍ. يجب على الممارسين الإبلاغ عن الأبعاد النشطة، والرتب النشطة، والكميات الطيفية لمصفوفة الانحدار المجمعة لضمان إمكانية التحديد (identifiability).

باختصار، تعيد هذه الدراسة صياغة عملية الحصول على بيانات كوبرمان من البحث عن "مدخلات غنية" إلى تشخيص مهيكل للخصائص الهندسية متعددة الطبقات، مما يوفر أدوات لتحديد وإصلاح حالات الفشل المحددة في مسار انتقال البيانات إلى النموذج.