Diagnostic Certificates of Data Quality and Regression Identifiability for Koopman Identification

Résumé technique : Certificats de diagnostic de la qualité des données et de l'identifiabilité par régression pour l'identification de Koopman

Énoncé du problème
Dans l'identification de systèmes dynamiques non linéaires utilisant le cadre de l'opérateur de Koopman et la décomposition modale dynamique étendue avec contrôle (EDMDc), la qualité du modèle identifié dépend d'un objet de régression conjoint comprenant les états visités, les caractéristiques du dictionnaire relevées (lifted) et les entrées de commande. Les critères classiques d'excitation persistante (PE), qui évaluent la richesse des entrées, sont insuffisants dans ce contexte. Un signal peut être riche en entrées tandis que la trajectoire d'état reste confinée dans une région étroite ; les échantillons d'état peuvent sembler bien répartis tandis que le dictionnaire choisi produit des caractéristiques relevées dégénérées ou fortement corrélées ; et les caractéristiques relevées peuvent être individuellement non dégénérées tandis que la matrice de régression concaténée finale (caractéristiques relevées + entrées) reste mal conditionnée en raison de redondances entre les colonnes.

L'article aborde l'absence d'un cadre structuré pour diagnostiquer où la qualité des données échoue dans l'identification de Koopman. Il postule que la qualité des données est un problème multicouche impliquant la géométrie de l'espace d'état, la géométrie des caractéristiques relevées et la géométrie de l'espace de régression, qui sont liées mais non interchangeables.

Méthodologie
Les auteurs proposent un cadre de certificats de diagnostic qui sépare l'évaluation de la qualité des données en trois couches distinctes, passant des propriétés d'échantillonnage en amont à la stabilité finale de l'estimation :

1. Certificats de l'espace d'état : Ce sont des diagnostics indirects évaluant la géométrie de la trajectoire collectée.

   • Couverture directionnelle ($C_{dir}$) : Mesure la dispersion des directions de déplacement de la trajectoire.
   • Non-agrégation de type Frostman ($C_{fr}$) : Diagnostique l'échantillonnage répété local et l'agrégation multi-échelle.
   • Isotropie de l'état ($C_{state}$) : Évalue le conditionnement spectral de la matrice d'état standardisée active.

2. Certificats des caractéristiques relevées : Ceux-ci évaluent le comportement du dictionnaire sur les données collectées.

   • Isotropie des caractéristiques relevées ($C_{lift}$) : Mesure la valeur propre minimale de la matrice de Gram standardisée des caractéristiques relevées, détectant les colonnes constantes ou les fortes corrélations induites par la distribution spécifique des états.

3. Certificats de l'espace de régression : Ceux-ci évaluent le problème final de régression EDMDc.

   • Isotropie de régression ($C_{reg}$) : Définie comme la valeur propre minimale de la matrice concaténée standardisée active (caractéristiques relevées + entrées). Il s'agit du certificat principal avec des garanties théoriques directes concernant la stabilité de l'estimation.
   • Certificat composite ($C_{GPE}$) : Une métrique de type goulot d'étranglement prenant le minimum des couches ci-dessus (normalisé par des seuils) pour localiser la défaillance principale de la qualité des données.

Cadre théorique
L'article établit que $C_{reg}$ contrôle directement la plus petite valeur singulière de la matrice de conception standardisée active ($\sigma_{min}(\bar{\Phi})$). Sous un plan fixe et un bruit gaussien conditionnel, ce certificat borne l'information de Fisher et l'erreur attendue de l'estimateur de moindres carrés/régularisé. Les auteurs prouvent une borne inférieure population-échantillon pour le spectre de régression, montrant qu'une borne spectrale positive nécessite trois conditions agissant de concert : la couverture de la distribution d'état, la non-dégénérescence du dictionnaire sur cette région, et l'excitation conditionnelle des entrées par rapport aux caractéristiques relevées.

Crucialement, l'article fournit une condition de complément de Schur et des contre-exemples démontrant qu'une géométrie d'état favorable n'implique pas une géométrie relevée ou de régression favorable (par exemple, un ensemble d'états où un terme spécifique de dictionnaire polynomial s'annule identiquement). Ainsi, les diagnostics en amont ne peuvent se substituer à l'inspection directe du spectre de régression final.

Validation expérimentale
Le cadre est évalué en utilisant l'algorithme IGPE-DOPT, une méthode d'échantillonnage pilotée par les certificats qui note les segments de trajectoire candidats sur la base d'un mélange pondéré des certificats proposés. Les expériences sont menées sur les systèmes de Duffing, Van der Pol et Lorenz, comparant IGPE-DOPT à :

• Des bases orientées entrée (PE adaptative, conception d'entrée optimale).
• Des bases orientées état (k-center de l'espace d'état, GPE-STATE).
• Des bases orientées espace relevé (D-optimal relevé).
• Des bases orientées espace de régression (D/E-optimal de régression).

Résultats clés

1. Séparation des couches : Les expériences confirment que les couches de certificats sont distinctes. Une méthode optimisant la couverture d'état (par exemple, STATE-KCENTER) n'optimise pas nécessairement le spectre de régression, et vice versa.
2. Correspondance théorique : Le certificat de régression ($C_{reg}$) corrèle avec la plus petite valeur singulière et la stabilité de l'estimation à un pas, validant le lien théorique.
3. Non-monotonie : La performance en aval (prédiction à long horizon et commande en boucle fermée) n'est pas monotone par rapport à un seul certificat. Une méthode avec le certificat de régression le plus élevé ne produit pas toujours la meilleure performance de commande, car les métriques de tâche dépendent du biais du dictionnaire, des régions de fonctionnement et de la commandabilité en boucle fermée.
4. Sensibilité : Changer les poids dans la fonction de notation IGPE-DOPT déplace le profil de qualité des données (par exemple, privilégiant la régression sur la couverture d'état), mais aucune configuration de poids unique ne garantit l'optimalité sur toutes les tâches en aval.

Signification et revendications
L'article cadre explicitement sa contribution comme un cadre de diagnostic calculable, interprétable et ablatable, et non comme une revendication d'optimalité universelle pour la collecte de données.

• Utilité diagnostique : Le cadre sert de « flux de travail de triage » pour les praticiens afin d'identifier si un goulot d'étranglement de qualité des données réside dans la couverture d'état, la dégénérescence du dictionnaire ou le spectre de régression final.
• Limites théoriques : Les auteurs soulignent que leurs garanties théoriques s'appliquent strictement à la stabilité de régression EDMDc à un pas dans les coordonnées standardisées actives. Ils ne prétendent pas contrôler l'erreur de déroulement à long horizon, la récupération du sous-espace invariant de Koopman ou la performance de commande en boucle fermée.
• Conseils pratiques : L'article soutient que se fier uniquement à l'excitation persistante des entrées ou à la couverture d'état est insuffisant. Les praticiens doivent signaler les dimensions actives, les rangs actifs et les quantités spectrales pour la matrice de régression concaténée afin d'assurer l'identifiabilité.

En résumé, ce travail reformule l'acquisition de données de Koopman d'une recherche d'« entrées riches » vers un diagnostic structuré de propriétés géométriques multicouches, fournissant des outils pour localiser et réparer des défaillances spécifiques dans le pipeline des données vers le modèle.