SINDyG: Sparse Identification of Nonlinear Dynamical Systems from Graph-Structured Data, with Applications to Stuart-Landau Oscillator Networks

Resumen Técnico: SINDyG – Identificación Escasa de Sistemas Dinámicos No Lineales a partir de Datos Estructurados en Grafos

Enunciado del Problema
La extracción de ecuaciones gobernantes a partir de datos mediante técnicas de identificación escasa, como la Identificación Escasa de Dinámicas No Lineales (SINDy), ha revolucionado la modelización en campos que van desde la neurociencia hasta la ciencia climática. Sin embargo, los enfoques estándar de SINDy suelen tratar los sistemas dinámicos como entidades monolíticas, ignorando la topología de red subyacente que gobierna las interacciones entre subsistemas. Cuando se aplican a sistemas estructurados en grafos (por ejemplo, redes neuronales, redes eléctricas o redes sociales), el SINDy estándar trata todos los términos de interacción candidatos por igual. Esta falta de priores estructurales a menudo conduce a la selección de "términos espurios" —interacciones que no reflejan la conectividad real entre nodos—, resultando en modelos sesgados, menos precisos y excesivamente complejos que no logran capturar comportamientos emergentes sutiles.

Metodología: SINDyG
Para abordar estas limitaciones, los autores proponen SINDyG (Identificación Escasa de Sistemas Dinámicos No Lineales a partir de datos estructurados en Grafos). Este método extiende el marco estándar de SINDy incorporando explícitamente la estructura de adyacencia de la red en el proceso de regresión escasa.

La innovación central es una estrategia de regularización informada por grafos. En lugar de aplicar una penalización uniforme a todos los términos candidatos, SINDyG utiliza una matriz de penalización $P$ derivada de la matriz de adyacencia $A$ de la red. El proceso implica:

1. Análisis de Conectividad: Para cada término candidato en la biblioteca de funciones, el algoritmo identifica las variables fuente (nodos involucrados en el término) y calcula la conectividad media ($m_{ck}$) entre estas fuentes y el nodo sumidero (el nodo cuyas dinámicas se están modelando) utilizando la matriz de adyacencia.
2. Formulación de la Penalización: Se construye una función de penalización basada en sigmoide $P[c,k]$. Los términos con baja conectividad media entre variables fuente y sumidero reciben una penalización mayor (más cercana a 1), desalentando efectivamente la selección de interacciones que violan la topología de red conocida. Por el contrario, los términos consistentes con conexiones fuertes reciben penalizaciones menores.
3. Optimización: El método emplea un algoritmo modificado de Mínimos Cuadrados con Umbralización Secuencial (STLSQ). La función objetivo minimiza el error de reconstrucción de las derivadas mientras incorpora la penalización consciente del grafo:
   $$\min_{\Xi} \frac{1}{2} \| \dot{X} - \Theta(X)\Xi \|_2^2 + \lambda \| P \odot \Xi \|_2^2$$
   Para resolver esto de manera eficiente, la matriz de características y los coeficientes se escalan para transformar el problema en un marco estándar de regresión ridge, que luego se resuelve iterativamente con umbralización dura para imponer la escasez.

Contribuciones Clave

• Regresión Escasa Consciente del Grafo: La introducción de una matriz de penalización modular que integra el conocimiento previo de la conectividad de la red directamente en el proceso de estimación de coeficientes.
• Mejora en la Parsimonia y Precisión: Al sesgar la regresión hacia interacciones estructuralmente plausibles, SINDyG reduce la selección de términos espurios, lo que conduce a modelos más simples e interpretables.
• Marco Modular: La penalización informada por grafos propuesta está diseñada para integrarse fácilmente con otros solucionadores de regresión simbólica más allá de SINDy.

Resultados Experimentales
Los autores validaron SINDyG utilizando redes de osciladores de Stuart-Landau (SL), un modelo frecuentemente utilizado para describir la oscilación macroscópica de poblaciones neuronales. Los experimentos se realizaron tanto en redes simples de tres nodos como en casos generales complejos que involucraban topologías Erdős-Rényi (ER) y Libres de Escala (SF) con tamaños y fuerzas de acoplamiento variables.

• Caso Simple: En una red de tres nodos, SINDyG logró una complejidad de modelo ($\gamma$) de 32, coincidiendo con el modelo real, mientras que el SINDy estándar arrojó una complejidad de 62. SINDyG demostró una precisión superior en los coeficientes (Error Absoluto Medio de 0.0033 frente a 0.0155 para SINDy) y puntuaciones $R^2$ predictivas más altas en trayectorias no vistas.
• Caso General: Los análisis de sensibilidad revelaron que, a medida que aumentaban el tamaño de la red y la fuerza de acoplamiento, el rendimiento del SINDy estándar se degradaba significativamente, mostrando mayor complejidad y error. Por el contrario, SINDyG mantuvo su robustez, produciendo consistentemente modelos con menor complejidad y mayor precisión de generalización (mayor $R^2$ de prueba, menor MSE de prueba) a través de tamaños de red y pesos de arista variables.
• Eficiencia Computacional: Aunque SINDyG implica pasos adicionales para calcular la matriz de penalización, el tiempo total de entrenamiento permaneció comparable al del SINDy estándar, demostrando el método una mayor resiliencia ante datos de entrenamiento limitados.

Significado y Afirmaciones
El artículo afirma que SINDyG representa un paso significativo hacia adelante en la modelización basada en datos de sistemas interconectados. Al aprovechar la topología de la red para guiar el descubrimiento de ecuaciones gobernantes, el método produce modelos que no solo son más precisos, sino también más interpretables físicamente. Los autores posicionan a SINDyG como un paso fundamental hacia una clase más amplia de "algoritmos de descubrimiento informados por redes". Sugieren que integrar esta regularización de escasez estructurada en grafos en solucionadores de regresión simbólica existentes (como PySR) podría mejorar el rendimiento en entornos ruidosos o del mundo real en diversos dominios, incluyendo neurociencia, ecología, finanzas y epidemiología. Los autores notan modestamente que, aunque el método fue validado en modelos de Stuart-Landau, se requiere trabajo futuro para evaluar su eficacia en otros sistemas no lineales como los modelos de Kuramoto o FitzHugh–Nagumo.