Résumé Technique : Reconstruction de l'État par Noyau Informée par la Connaissance à partir d'Observations Partielles Hétérogènes

Formulation du Problème

Les systèmes scientifiques réels, particulièrement dans les domaines cliniques et biologiques, ne sont que rarement observés à travers des trajectoires d'état complètes et échantillonnées de manière régulière. Au lieu de cela, les mesures sont souvent partielles, bruitées et hétérogènes, fournissant des vues fragmentées des états dynamiques latents. Par exemple, en oncologie, la charge tumorale peut être observée via une imagerie parcellaire, tandis que des biomarqueurs denses mais indirects sont dérivés de bilans sanguins. Ces observations diffèrent par leur résolution temporelle, leurs caractéristiques de bruit et leur relation avec l'état latent.

Le défi central est un problème de fusion de données : reconstruire des trajectoires latentes physiquement significatives et leurs dérivées temporelles à partir d'observations fragmentées à structure hétérogène. Les approches existantes ne parviennent pas à traiter cela de manière holistique :

• Le lissage classique (ex. : splines) ignore les contraintes du domaine et les opérateurs d'observation hétérogènes.
• Les modèles d'espace d'états (ex. : filtres de Kalman) nécessitent de spécifier les dynamiques de transition a priori.
• Les modèles latents profonds (ex. : Neural ODEs) reposent sur des représentations "boîte noire" qui occultent la structure mécaniste.

Par conséquent, la reconstruction d'état est souvent traitée comme une simple étape de prétraitement, créant un goulot d'étranglement pour les méthodes de découverte mécaniste en aval, telles que la régression symbolique, qui nécessitent des dérivées analytiques précises.

Méthodologie : MAAT

Les auteurs introduisent MAAT (Model Aware Approximation of Trajectories), un cadre pour la reconstruction d'état par noyau informée par la connaissance. MAAT formule la reconstruction comme un problème de minimisation du risque au sein d'un Espace de Hilbert de Noyau Reproduisant (RKHS).

1. Cadre d'Optimisation

MAAT cherche une fonction de trajectoire $\hat{x} \in \mathcal{H}_K$ qui minimise un risque empirique régularisé incorporant trois composantes :
$$\hat{x} = \arg\min_{x \in \mathcal{H}_K} \underbrace{\sum_{i=1}^N \|y_i - H_i(x(t_i))\|^2}_{\text{Fidélité aux Données}} + \underbrace{\lambda_1 \|x\|_{\mathcal{H}_K}^2}_{\text{Lissage}} + \underbrace{\lambda_2 R_{\text{phys}}(x, C)}_{\text{Priors Physiques}}$$

• Fidélité aux Données : Prend en compte les opérateurs d'observation hétérogènes $H_i$, permettant au modèle de gérer simultanément divers types de mesures (ex. : mesures directes éparses vs signaux agrégés denses) et différents niveaux de bruit.
• Lissage : Imposé via la norme RKHS, garantissant des trajectoires continues.
• Priors Physiques ($R_{\text{phys}}$) : Incorpore des contraintes sémantiques et structurelles telles que la non-négativité, la conservation de la masse et des modèles de mesure spécifiques au domaine.

2. Reconstruction d'État par Noyau (KSR)

La trajectoire pour chaque variable d'état est modélisée comme une combinaison linéaire de fonctions de noyau : $\hat{x}_j(t) = \sum_{\ell=1}^N u_{\ell j} \kappa(t, t_\ell)$. Les coefficients $U$ sont appris en minimisant une fonction de perte composite qui équilibre :

• La fidélité aux instantanés de l'état complet (full-state snapshots).
• La fidélité aux signaux linéaires (via les opérateurs d'observation $H_i$).
• L'écart par rapport aux hypothèses préalables sur la dynamique du système (ex. : pénaliser l'écart par rapport à un champ de vecteurs $F$ connu).
• La régularisation des coefficients.

3. Dérivées Analytiques et Robustesse

Une caractéristique clé de MAAT est sa capacité à fournir des dérivées temporelles analytiques. Puisque la dérivée temporelle de la trajectoire reconstruite n'agit que sur la fonction de noyau (qui est $C^\infty$ lisse, ex. : Gaussienne), les dérivées admettent des expressions en forme close.

• Justification Théorique : Les auteurs prount que la perte composite est un substitut calibré pour l'erreur de reconstruction $L_2$ réelle.
• Robustesse au Bruit : Contrairement aux méthodes de différences finies, qui souffrent d'un plancher d'erreur irréductible dû à l'amplification du bruit ($O(\sigma^2/\Delta t^2)$), l'estimateur de dérivée analytique de MAAT évolue avec le paramètre de régularisation et la taille de l'échantillon ($O(\lambda) + O(\sigma^2/n)$), évitant ainsi l'amplification du bruit haute fréquence.

Contributions Clés

1. Conceptuelle : L'article identifie la reconstruction d'état informée par la connaissance à partir d'observations partielles hétérogènes comme un goulot d'étranglement central pour la modélisation mécaniste.
2. Technique : MAAT intègre les trajectoires latentes dans un RKHS et incorpore directement les opérateurs d'observation hétérogènes et les priors structurels dans l'objectif de reconstruction, plutôt que de les traiter comme des étapes de prétraitement distinctes.
3. Empirique : Le cadre produit des estimations d'état lisses et physiquement cohérentes avec des dérivées analytiques, fournissant une interface rigoureuse pour la régression symbolique en aval.

Résultats Expérimentaux

Les auteurs ont évalué MAAT sur neuf benchmarks scientifiques (couvrant l'épidémiologie, l'oncologie et la pharmacologie) et un jeu de données réel lié à la COVID-19.

• Performance : MAAT a considérablement réduit les erreurs de reconstruction de trajectoire et de dérivée par rapport à des bases solides, incluant le lissage RBF, les splines cubiques, les processus gausiens, les filtres de Kalman et les Neural ODEs.
• Régimes de Bruit : La méthode a démontré sa robustesse à travers des régimes de bruit gaussien, gaussien corrélé et de Student-t à queues lourdes.
• Priors Structurels : L'incorporation de connaissances du domaine (ex. : conservation de la masse dans les modèles SEIR, contraintes de non-négativité) a réduit de manière significative l'erreur quadratique moyenne (MSE) des trajectoires récupérées.
• Impact en Aval : Lorsqu'elle est couplée à des algorithmes de régression symbolique (SINDy et PySR), les trajectoires reconstruites par MAAT ont conduit à une découverte d'équations plus précise par rapport aux méthodes de base.
• Application Réelle : Sur le jeu de données COVID-19, MAAT a obtenu un MSE de test nettement inférieur à toutes les méthodes de base lors de la récupération de la dynamique de la maladie.

Signification et Revendications

L'article positionne MAAT comme une solution au "goulot d'étranglement de la représentation" dans l'apprentissage automatique scientifique. En déplaçant la reconstruction d'état d'un simple prétraitement numérique vers un problème d'inférence informé par la connaissance dans l'espace des fonctions, MAAT permet :

• Des Estimations Physiquement Cohérentes : Des trajectoires qui respectent les contraintes du domaine (ex. : non-négativité, lois de conservation).
• La Découverte Mécaniste : Des dérivées analytiques de haute qualité qui sont des entrées critiques pour une régression symbolique réussie, permettant aux chercheurs de découvrir les équations directrices à partir de données fragmentées.
• Pertinence Clinique : Le cadre s'aligne sur les flux de travail de la pharmacologie quantitative des systèmes (QSP), où les modèles sont assemblés à partir de modules interprétables. MAAT soutient cela en fusionnant des mesures par sous-systèmes éparses avec des signaux indirects plus denses tout en imposant des contraintes cliniquement significatives, ce qui le rend adapté au développement de médicaments informé par le modèle et à la prise de décision réglementaire.

Les auteurs notent que l'efficacité de MAAT dépend du caractère informatif des observations disponibles et de la validité des priors injectés. Si les mesures sont trop éparses ou si les priors sont mal spécifiés, la reconstruction peut être biaisée. Cependant, dans le contexte de domaines scientifiques structurés où ces priors sont disponibles, MAAT offre une voie rigoureuse de la donnée fragmentée vers la compréhension mécaniste.