Structural identifiability of partially-observed stochastic processes: from single-particle trajectories to total particle density data

ملخص تقني: القابلية للتعرف الهيكلي للعمليات العشوائية المراقبة جزئياً

بيان المشكلة
أدت الوفرة المتزايدة للبيانات التجريبية إلى تكثيف الحاجة إلى معايرة النماذج العشوائية لاكتساب رؤى كمية. ويعد "القابلية للتعرف الهيكلي" (Structural Identifiability) شرطاً أساسياً لتقدير المعلمات، وهي عملية تحديد ما إذا كان يمكن استعادة معلمات النموذج بشكل فريد من بيانات مثالية خالية من الضجيج. وبينما توجد طرق واسعة النطاق لنماذج المعادلات التفاضلية العادية (ODEs)، إلا أن هناك نقصاً في المنهجيات العامة لتقييم القابلية للتعرف الهيكلي للعمليات العشوائية. وتتفاقم هذه المعضلة بسبب العشوائية المتأصلة في هذه العمليات وطبيعة البيانات المتاحة. وتحديداً، يتناول هذا البحث كيف تعتمد القابلية للتعرف على نظام المراقبة، مع التمييز بين بيانات مسارات الجسيم الواحد (على مستوى الفرد) وبيانات كثافة إجمالي الجسيمات (على مستوى المجتمع). وفي حالة العمليات الماركوفية المراقبة جزئياً، تزداد المسألة تعقيداً لأن البيانات قد تخفي الحالات الداخلية للجسيمات، مما يصعب عملية استنتاج المعلمات.

المنهجية
يقترح المؤلفون منهجية مبتكرة لتحليل القابلية للتعرف الهيكلي لفئة من العمليات العشوائية المكانية-الزمانية، وتحديداً نماذج "قفزة السرعة" (velocity-jump models) حيث تتطور الحالة الداخلية للجسيم كعملية ماركوف مستمرة زمنياً ضمن شبكة من الحالات، حيث تتميز كل حالة بسرعة ثابتة. وتستخدم الدراسة تمثيلين رياضيين متميزين يتوافقان مع نوعي البيانات:

1. النموذج القائم على الفرد (مسارات الجسيم الواحد):

   • يستخدم المؤلفون الوصف الصريح القائم على الفرد لعملية ماركوف المستمرة زمنياً.
   • يقومون بتحليل المسار $x(t)$ ومشتقته $x'(t)$، والذي يكون ثابتاً جزئياً ويأخذ قيماً من مجموعة سرعات الحالات.
   • يتم تقييم القابلية للتعرف من خلال اشتقاق التوزيع التراكمي للوقت المستغرق في كل حالة (لتحديد معدلات التبديل) وتكرار الانتقالات بين الحالات (لتحديد احتمالات الانتقال).
   • يتم تحديد الشروط الأولية (الموقع وتوزيع الحالة) من خلال تحليل توزيع نقاط البداية والسرعات الأولية عبر عدد لا نهائي من المسارات.

2. نموذج مستوى المجتمع (إجمالي كثافة الجسيمات):

   • يشتق المؤلفون نظام معادلات تفاضلية جزئية (PDE) (صياغة فوكر-بلانك) يصف تطور كثافة الجسيمات $n_s(x,t)$ في كل حالة.
   • يطبقون نهج الجبر التفاضلي، وهو تقنية شائعة في تحليل المعادلات التفاضلية العادية، على نظام المعادلات التفاضلية الجزئية. ويتضمن ذلك حذف متغيرات الحالة غير المرصودة رمزياً ($n_1, n_2, n_3$) لاشتقاق معادلات المدخلات والمخرجات التي تعتمد فقط على الكثافة الإجمالية الملحوظة $N(x,t)$ ومعلمات النموذج.
   • تحليل جديد للشروط الأولية: إدراكاً منهم بأن الجبر التفاضلي القياسي عند $t=0$ قد لا يستوعب جميع معلومات القابلية للتعرف (حيث يمكن أن تكون المشتقات المكانية والزمانية متناسبة)، قدم المؤلفون طريقة جديدة. فهم يستخدمون معادلات الخصائص (characteristic equations) لنظام المعادلات التفاضلية الجزئية لبناء توسيع تايلور (Taylor expansion) لتطور الكثافة حول $t=0$. وهذا يسمح بتحديد تركيبات إضافية من المعلمات المتعلقة بالشرط الأولي والتي لا تظهر من خلال عملية الحذف القياسية.

النتائج الرئيسية
تُطبق المنهجية على نموذج قفزة سرعة ثلاثي الحالات يحتوي على تسع معلمات (السرعات، معدلات التبديل، واحتمالات الانتقال).

• بيانات مسارات الجسيم الواحد:

  • النموذج قابل للتعرف هيكلياً بشكل عالمي (حتى مع إعادة تسمية الحالات) عندما تتوفر عدد لا نهائي من مسارات الجسيم الواحد ذات الأطوال اللانهائية.
  • يمكن استعادة جميع المعلمات بشكل فريد، بما في ذلك السرعات، ومعدلات التبديل، واحتمالات الانتقال، وتوزيع الشرط الأولي.

• بيانات إجمالي كثافة الجسيمات:

  • باستخدام نهج الجبر التفاضلي على نظام المعادلات التفاضلية الجزئية، يشتق المؤلفون معادلات المدخلات والمخرجات ذات المعاملات ($c_1$ إلى $c_8$) التي هي دوال لمعلمات النموذج.
  • وُجد أن السرعات ومعدلات التبديل قابلة للتعرف هيكلياً (حتى مع إعادة تسمية الحالات).
  • ومع ذلك، فإن معاملات احتمالات الانتقال ليست قابلة للتعرف عالمياً باستخدام معاملات المدخلات والمخرجات المشتقة من المعادلات التفاضلية الجزئية وحدها؛ إذ أنها تحقق معادلات تربيعية تؤدي إلى حلول متعددة.
  • تأثير الشروط الأولية: يوفر نهج الجبر التفاضلي القياسي عند $t=0$ معاملًا واحدًا فقط قابلاً للتعرف ($c_9$) متعلقًا بالشرط الأولي، وهو غير كافٍ لتحديد احتمالات الحالة الأولية ($a_1, a_2, a_3$).
  • مساهمة توسيع تايلور: من خلال تطبيق طريقة توسيع تايلور الجديدة القائمة على معادلات الخصائص، حدد المؤلفون معاملات إضافية ($c_{10}$ إلى $c_{15}$). وتسمح هذه المعاملات بتحديد احتمالات الحالة الأولية.
  • القابلية للتعرف المحلية: حتى مع وجود المعاملات الإضافية من توسيع تايلور، فإن النموذج قابل للتعرف هيكلياً محلياً فقط فيما يتعلق بمعلمات الاحتمال. وهذا يعني أنه بينما يمكن تحديد المعلمات بشكل فريد في جوار صغير من القيم الحقيقية، إلا أن هناك مجموعات متميزة من المعلمات (نماذج مكافئة) تنتج تطورات كثافة إجمالية متطابقة تحت ظروف أولية محددة.

• الحالات الخاصة (السرعات المشتركة):

  • إذا تشاركت حالتان أو ثلاث حالات في نفس السرعة، فإن القابلية للتعرف تتدهور. إذا تشاركت الحالات الثلاث نفس السرعة، فإنه يمكن تحديد السرعة فقط؛ وتصبح جميع معلمات المعدل والاحتمال غير قابلة للتعرف.
  • إذا تشاركت حالتان في السرعة، فإن مجموع معدلات التبديل الخاصة بهما يكون قابلاً للتعرف، لكن المعدلات والاحتمالات الفردية تظل عموماً غير قابلة للتعرف، حتى مع استخدام طريقة توسيع تايلور.

الأهمية والادعاءات
يزعم البحث أنه يقدم أول منهجية عامة لتحليل القابلية للتعرف الهيكلي للعمليات العشوائية المكانية-الزمانية، مما يسد الفجوة بين الأوصاف القائمة على الفرد وصياغات المعادلات التفاضلية الجزئية لمستوى المجتمع.

• الاعتماد على نوع البيانات: تسلط الدراسة الضوء على تميز حاسم: بيانات مسار الجسيم الواحد تؤدي إلى قابلية تعرف هيكلية عالمية، بينما تؤدي بيانات إجمالي كثافة الجسيمات فقط إلى قابلية تعرف محلية. وهذا يؤكد أن اختيار نظام المراقبة التجريبي يحدد بشكل أساسي مدى جدوى الاستعادة الفريدة للمعلمات.
• دور الشروط الأولية: يوضح العمل أن الشروط الأولية تؤثر بشكل كبير على القابلية للتعرف الهيكلي في نماذج المعادلات التفاضلية الجزئية. ويزعم المؤلفون أن مناهج الجبر التفاضلي القياسية غالباً ما تكون غير كافية لالتقاط معلومات الشرط الأولي، وأن طريقة توسيع تايلور المقترحة القائمة على معادلات الخصائص ضرورية للكشف عن تركيبات إضافية من المعلمات القابلة للتعرف.
• الآثار المترتبة على التصميم التجريبي: يشير وجود نماذج متكافئة هيكلياً (معلمات مختلفة تنتج تطورات كثافة متطابقة) إلى أن تغيير الشروط الأولية يمكن أن يكون استراتيجية عملية لتحسين القابلية للتعرف على المعلمات في التصميم التجريبي.
• التوسع المنهجي: يؤكد المؤلفون أن نهجهم، وخاصة استخدام معادلات الخصائص لتوسيعات تايلور، قابل للتطبيق على نماذج عشوائية أخرى حيث يمكن كتابة هذه المعادلات بدلالة معلمات النموذج، مما قد يمتد ليشمل شبكات التفاعل الكيميائي ذات المكونات المكانية.

يظل المؤلفون متواضعين فيما يتعلق بالتطبيقات العملية، مشيرين إلى أن نتائجهم تصف القابلية للتعرف في بيئات مثالية خالية من الضجيج. وقد صرحوا بوضوح أن العمل المستقبلي مطلوب لمعالجة القابلية للتعرف العملية مع بيانات محدودة وبها ضجيج، ولتوسيع هذه الطرق لتشمل نماذج ذات شروط أولية أو حدودية أكثر تعقيداً.