From Classical to Quantum-Mechanical Data Assimilation: A Comparison between DATO and QMDA

Resumen Técnico: De la Asimilación de Datos Clásica a la Cuántico-Mecánica: Una Comparación entre DATO y QMDA

Planteamiento del Problema
Los modelos numéricos de sistemas geofísicos y de ingeniería son inherentemente imperfectos debido a errores de discretización, procesos no resueltos e incertidumbre paramétrica. La asimilación de datos (DA) aborda esto combinando modelos dinámicos con observaciones escasas y ruidosas para reconstruir estados del sistema y cuantificar la incertidumbre. Si bien enfoques estándar como los métodos variacionales (3D/4D-Var) y los métodos estadísticos secuenciales (Filtros de Kalman, Filtros de Partículas) son ampliamente utilizados, enfrentan limitaciones estructurales: altos costos computacionales en sistemas de alta dimensión ($n \sim 10^7$–$10^9$), dependencia de supuestos de linealidad y gaussianidad, y susceptibilidad a la degeneración de pesos en los Filtros de Partículas. Además, estos métodos generalmente requieren acceso explícito al operador del modelo $M$, lo cual es problemático para solucionadores de caja negra o dinámicas parcialmente conocidas.

Las descripciones basadas en la teoría de operadores, específicamente utilizando los operadores de Koopman y Perron-Frobenius, ofrecen una representación lineal de dinámicas no lineales en espacios de funciones de dimensión infinita. Este trabajo se centra en dos marcos recientes que utilizan esta perspectiva: Asimilación de Datos con Operadores de Transferencia (DATO) y Asimilación de Datos Cuántico-Mecánica (QMDA). A pesar de compartir una base común en la teoría de operadores, estos métodos difieren significativamente en su representación, propagación y salida. El artículo aborda la falta de una comparación sistemática entre DATO y QMDA, particularmente en lo que respecta a su complejidad computacional y idoneidad para diferentes dimensiones del espacio de estados.

Metodología
Los autores realizan un estudio comparativo que sitúa tanto a DATO como a QMDA dentro de un marco unificado basado en la teoría de operadores. El análisis se divide en fases offline (pre-cálculo) y online (ciclo de asimilación), con una derivación rigurosa de los costos computacionales asintóticos (notación Big-O) y la complejidad espacial.

1. Marco DATO:

   • Representación: El estado se representa mediante coeficientes $\xi \in \mathbb{R}^S$ en una base truncada de autofunciones de Perron-Frobenius (PF).
   • Fase Offline: Utiliza la Descomposición Modal Dinámica Extendida con Kernel (kEDMD) con un kernel RBF Gaussiano de ancho fijo sobre $m$ instantáneas de entrenamiento. Construye matrices Gram ($O(nm^2)$) y resuelve un problema de autovalores generalizado (métodos de Cholesky o Krylov) para obtener $S$ pares de autovalores/autovectores. Las dinámicas se codifican implícitamente en autovalores escalares; no se materializan explícitamente matrices de operadores.
   • Fase Online: La propagación de la predicción es diagonal ($O(S)$). El paso de análisis implica evaluar una verosimilitud Gaussiana puntual sobre $m$ puntos, actualizar el prior y proyectar el posterior de nuevo sobre la base PF ($O(mS + S^2)$). La reconstrucción del estado produce una estimación puntual $x_a$.

2. Marco QMDA:

   • Representación: El estado es un operador de densidad de clase traza $\hat{\rho} \in \mathbb{R}^{L \times L}$ en un subespacio espectral truncado. El mecanismo de actualización sigue la dinámica proyectiva del postulado de medición de von Neumann.
   • Fase Offline: Utiliza un kernel de ancho variable con normalización bistocástica sobre $N$ muestras de entrenamiento. Construye una matriz de kernel dispersa ($O(dN^2)$), calcula $L$ autovectores principales mediante métodos Krylov dispersos ($O(LrN)$), y materializa explícitamente la matriz de Koopman $L \times L$, $U^{(q)}$, y los proyectores espectrales $E_i$ ($O(NL^2)$).
   • Fase Online: La evolución de la predicción implica la evolución unitaria del operador de densidad mediante multiplicación de matrices ($O(L^3)$). El paso de análisis es una actualización proyectiva ($O(L^3)$). La salida es una distribución de probabilidad discreta sobre los intervalos del rango de la observable.

Contribuciones Clave

• Análisis Unificado de Complejidad: El artículo proporciona el primer análisis asintótico sistemático de DATO y QMDA, distinguiendo entre costos offline y online e identificando los términos dominantes en cada fase.
• Derivación del Umbral de Equilibrio: Al igualar los costos online de ambos marcos (asumiendo $S \approx L$), los autores derivan un criterio de selección cuantitativo:
  $$n^* = \frac{L^3}{m}$$
  Este umbral determina el régimen donde la independencia de la dimensión del estado de QMDA se vuelve ventajosa sobre la dependencia lineal de $n$ de DATO.
• Comparación Estructural: El estudio destaca diferencias fundamentales: DATO se basa en dinámicas implícitas codificadas en autovalores y produce estimaciones puntuales con diagnósticos de forma cerrada (Influencia de la Observación, Sensibilidad de la Predicción), mientras que QMDA se basa en la materialización explícita de operadores para producir salidas distribucionales completas independientes de la dimensión del estado físico $n$.
• Verificación de Consistencia Empírica: Los perfiles teóricos se validan frente a estimaciones operativas del benchmark Lorenz-63, confirmando que DATO está limitado por la proyección posterior en su configuración específica, mientras que QMDA está limitado por el cálculo offline de autovectores y mantiene un costo online fijo.

Resultados

• Escalado Computacional:
  • Costo Online de DATO: Escala como $O(mn + mpn + mS + S^2)$. Crucialmente, el paso de análisis escala linealmente con la dimensión del estado $n$ (a través de la verosimilitud y la reconstrucción del estado).
  • Costo Online de QMDA: Escala como $O(L^3)$. Una vez completada la fase offline, el ciclo online es completamente independiente de la dimensión del estado $n$, del tamaño del conjunto de entrenamiento $N$ y de la dimensión del espacio de datos $d$.
• El Régimen de Equilibrio:
  • Para $n < n^*$, DATO es más eficiente.
  • Para $n > n^*$, QMDA se vuelve estructuralmente superior debido a su independencia de $n$.
  • En el benchmark Lorenz-63 ($n=3, m=2800, L=1000$), $n^* \approx 3.6 \times 10^5$. Dado que $n \ll n^*$, DATO es actualmente más eficiente para este caso de prueba específico de baja dimensión. Sin embargo, para sistemas geofísicos de alta dimensión ($n \sim 10^7$–$10^9$), $n$ supera cómodamente a $n^*$, haciendo de QMDA la opción preferida.
• Huella de Memoria: DATO está dominado por matrices Gram de $O(m^2)$, mientras que QMDA está dominado por la matriz de autovectores bilineal de $O(NL)$ y los proyectores de $O(S_{QMDA}L^2)$.

Significado y Afirmaciones
El artículo afirma delimitar los regímenes en los que cada marco es más efectivo, ofreciendo una base cuantitativa para seleccionar una metodología de DA basada en operadores.

• DATO se presenta como la opción natural para dimensiones de estado moderadas donde se requiere una estimación puntual y donde los diagnósticos de forma cerrada (OI, FSOI) son prioritarios científicamente. Es particularmente efectivo cuando el número de modos retenidos $S$ es pequeño en relación con el conjunto de entrenamiento $m$.
• QMDA se posiciona como la opción superior para sistemas de alta dimensión donde la dimensión del estado $n$ excede el umbral de equilibrio. Su capacidad para proporcionar una distribución posterior completa sobre particiones observables sin escalar con $n$ la hace robusta para regímenes no gaussianos y fuertemente no lineales.
• Los autores notan modestamente que su análisis de complejidad utiliza la notación Big-O del peor caso y abstrae constantes específicas del hardware (caché, paralelismo). Identifican la derivación de teoremas de convergencia para el ciclo completo de asimilación DATO y la exploración de marcos híbridos o implementaciones en hardware cuántico como trabajo futuro necesario. El estudio no afirma que un método sea universalmente superior, sino que define las compensaciones estructurales que dictan su aplicabilidad.