🤖 machine learning

Discovery of Nonlinear Dynamics with Automated Basis Function Generation

Cet article présente AutoSINDy, un cadre hybride qui combine la régression symbolique basée sur PySR avec l'identification parcimonieuse de SINDy pour générer et sélectionner automatiquement des fonctions de base, permettant la découverte robuste d'équations gouvernantes précises et parcimonieuses pour des systèmes non linéaires même en présence de bruit élevé.

Auteurs originaux : Mohammad Amin Basiri, Charles Nicholson

Publié 2026-05-12

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Mohammad Amin Basiri, Charles Nicholson

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un détective essayant de comprendre les règles secrètes d'une machine mystérieuse simplement en l'observant bouger. Vous possédez une vidéo des engrenages de la machine qui tournent, d'un pendule qui oscille ou d'un fluide qui tourbillonne. Votre objectif est d'écrire la formule mathématique exacte qui explique pourquoi elle se déplace de cette manière.

C'est le défi de la découverte d'équations gouvernantes. Pendant longtemps, les scientifiques ont eu deux principales façons de résoudre ce puzzle, mais toutes deux présentent un défaut majeur :

La méthode « Deviner et Vérifier » (SINDy) : Imaginez que vous avez une immense boîte de briques Lego. Vous savez que la machine est faite de Legos, alors vous essayez de construire la machine en utilisant chaque brique de la boîte. Si vous omettez la seule brique spécifique que la machine utilise réellement, votre modèle échoue. Si vous utilisez trop de briques, votre modèle devient une tour désordonnée et instable qui s'effondre. Le problème ? Vous devez deviner quelles briques mettre dans la boîte avant de commencer à construire.
La méthode « Imagination Sauvage » (Régression Symbolique) : Imaginez que vous laissez un singe taper sur un clavier, appuyant au hasard sur les touches pour créer des phrases. Finalement, il pourrait accidentellement taper une phrase parfaite. Cette méthode est très flexible et n'a pas besoin d'une boîte de briques préfabriquée. Mais c'est désordonné, lent, et produit souvent du charabia qui ressemble à une phrase mais ne signifie rien lorsque vous essayez de la lire. Elle est également très sensible aux parasites sur la ligne (bruit).

Voici AutoSINDy : L'Architecte Intelligent

L'article présente AutoSINDy, une nouvelle méthode qui agit comme un architecte intelligent combinant le meilleur des deux mondes. Au lieu de deviner les briques ou de laisser un singe taper, AutoSINDy utilise un processus en trois étapes pour trouver automatiquement la formule parfaite et simple.

Voici comment cela fonctionne, étape par étape :

Étape 1 : La recherche « Tireur d'élite » (Découverte)

Au lieu d'examiner la machine entière d'un coup, AutoSINDy prend de minuscules instantanés aléatoires du mouvement de la machine (comme prendre des photos rapides d'un ventilateur qui tourne). Il utilise un outil puissant appelé PySR (un « singe » numérique qui est en réalité un algorithme évolutionnaire très intelligent) pour examiner ces minuscules instantanés et crier : « Hé, je vois un motif ici ! Peut-être une onde sinusoïdale ? Peut-être un carré ? »

L'analogie : Pensez à cela comme un éclaireur courant à travers une forêt, ramassant des feuilles, des rochers et des brindilles intéressants. L'éclaireur n'essaie pas encore de construire la maison ; il rassemble simplement un immense tas désordonné de matériaux de construction potentiels.

Étape 2 : L'équipe de « Nettoyage » (Curatation)

Le tas de l'éclaireur est désordonné. Il contient des doublons, des pièces cassées et des éléments qui semblent similaires mais ne sont pas tout à fait justes. AutoSINDy agit maintenant comme un éditeur strict.

Il décompose les phrases complexes en leurs plus petits mots (parties atomiques).
Il vérifie les « clones ». S'il trouve deux pièces faisant exactement le même travail, il en jette une.
Il conserve la version la plus simple d'un motif. Si un simple « x » explique le mouvement, il ne gardera pas une version compliquée « x + x² - x ».
L'analogie : C'est comme un chef goûtant une immense marmite de soupe, retirant les ingrédients en double et jetant les épices brûlées jusqu'à ce que seules les saveurs essentielles et parfaites subsistent. Le résultat est un râtelier d'épices propre et organisé.

Étape 3 : La « Construction Finale » (Identification)

Maintenant, avec un râtelier d'épices propre et organisé (la bibliothèque de termes), AutoSINDy utilise la méthode SINDy pour mélanger les ingrédients. Parce que les ingrédients sont déjà propres et non redondants, le mélange est rapide, stable et précis. Il détermine exactement combien de chaque « épice » (coefficient) utiliser pour recréer parfaitement le mouvement de la machine.

L'analogie : C'est l'assemblage final. Parce que le chef n'a pas eu à trier un tas désordonné de déchets, le plat final est délicieux, simple et exactement ce que la recette demandait.

Pourquoi est-ce une grande nouvelle ?

L'article a testé cela sur six « machines » différentes (systèmes mathématiques), allant de simples oscillations à des systèmes chaotiques et imprévisibles semblables à la météo. Ils ont ajouté des « parasites » (bruit) aux données pour rendre la lecture plus difficile, tout comme une mauvaise connexion téléphonique.

Voici ce qui s'est produit :

Les anciennes méthodes : La méthode « Deviner et Vérifier » construisait souvent des tours trop hautes qui s'effondraient (instables). La méthode « Imagination Sauvage » écrivait souvent du charabia qui semblait correct un instant mais s'effondrait immédiatement.
AutoSINDy : Il a trouvé la formule exactement correcte dans 92,8 % des cas, même avec des données bruitées.
Simplicité : Les formules qu'il a trouvées étaient courtes et sucrées (comme un haïku), tandis que les autres méthodes produisaient de longs paragraphes gonflés, difficiles à comprendre et lents à exécuter.

La conclusion

AutoSINDy est un outil qui automatise la partie la plus difficile de la découverte scientifique : déterminer quoi chercher. Il n'a pas besoin qu'un humain dise : « Je pense qu'il y a une onde sinusoïdale là-dedans ». Il chasse les motifs, les nettoie et construit le manuel de règles le plus simple et le plus précis sur le fonctionnement du système.

C'est comme donner à un scientifique une loupe magique qui non seulement trouve les indices, mais les organise également en une histoire claire et facile à lire, même lorsque les indices sont dispersés et sales.

Résumé Technique : Découverte de Dynamiques Non Linéaires avec Génération Automatique de Fonctions de Base

Énoncé du Problème
La découverte d'équations mathématiques régissant des données d'observation constitue un défi fondamental en modélisation scientifique, particulièrement lorsque la structure sous-jacente est inconnue. Les méthodes existantes font face à une dichotomie :

Identification Éparse des Dynamiques Non Linéaires (SINDy) : Bien qu'efficace pour produire des modèles parcimonieux et interprétables, SINDy repose sur une bibliothèque de fonctions de base candidates spécifiée par l'utilisateur. Si des termes critiques sont omis en raison de dynamiques non conventionnelles ou d'une ignorance du domaine, la méthode échoue. À l'inverse, enrichir la bibliothèque pour éviter les omissions introduit une multicolinéarité sévère, déstabilisant la régression éparse et gonflant l'incertitude des coefficients.
Régression Symbolique (SR) : Des approches comme PySR offrent une flexibilité illimitée en explorant l'espace des expressions mathématiques sans bibliothèque préétablie. Cependant, elles sont intensives en calcul, hautement sensibles au bruit de mesure, et sujettes à produire des équations surajustées et numériquement instables qui échouent lors d'intégrations sur de longs horizons. De plus, la SR standard optimise les variables d'état indépendamment, peinant à imposer la structure couplée des systèmes dynamiques multidimensionnels.

Le problème central abordé est l'absence d'une méthode capable de construire automatiquement une bibliothèque de fonctions minimale et adaptée à la physique à partir de données brutes, sans connaissance préalable, en équilibrant l'expressivité de la SR avec la robustesse de la régression éparse.

Méthodologie : Le Cadre AutoSINDy
Les auteurs proposent AutoSINDy, un cadre hybride « Découverte puis Résolution » qui décompose le problème de découverte d'équations en trois étapes séquentielles :

Étape 1 : Exploration Symbolique (Découvrir)
- Au lieu d'appliquer la régression symbolique à la trajectoire complète, la méthode opère sur $K$ segments de données courts et échantillonnés aléatoirement (fenêtres bootstrap).
- PySR (un outil de régression symbolique évolutionnaire multi-populations) est appliqué à chaque segment pour extraire des formes fonctionnelles candidates.
- Crucialement, la méthode récolte l'ensemble du front de Pareto-optimal d'expressions, et non pas seulement le meilleur modèle unique. Cela garantit que des sous-termes atomiques structurellement corrects sont capturés même si l'expression complète est un mauvais ajustement pour une fenêtre locale spécifique.
- Les compositions trigonométriques imbriquées sont explicitement interdites pour prévenir les identités dégénérées.
Étape 2 : Curation de la Bibliothèque (Curer)
- Le pool brut d'expressions symboliques est traité pour construire une bibliothèque compacte et non redondante.
- Décomposition : Les expressions sont analysées et décomposées en sous-termes atomiques additifs (par exemple, $3x^2 + 2\sin(y) \to \{x^2, \sin(y)\}$ ).
- Expansion : Des stratégies configurables (Douces, Sévères ou Hybrides) étendent les termes polynomiaux ou trigonométriques groupés en monômes pour assurer une couverture complète.
- Élagage de la Colinéarité : Une procédure de sélection progressive gloutonne trie les candidats par complexité (nombre d'opérateurs) et les filtre. Un candidat n'est accepté que si sa corrélation avec les termes déjà acceptés est inférieure à un seuil ( $\rho_{max}$ ) ou si son Facteur d'Inflation de la Variance (VIF) est acceptable. Cela impose le rasoir d'Occam au niveau de la bibliothèque, garantissant que des termes plus simples sont préférés à des termes complexes et redondants.
Étape 3 : Identification Éparse (Identifier)
- La bibliothèque curée est alimentée dans un optimiseur SINDy (STLSQ ou SR3).
- Une approche d'ensemble (inspirée de E-SINDy) est utilisée : $B$ répliques bootstrap sont tirées et des modèles épars sont ajustés à chacune.
- Un filtre d'inclusion à seuil dur ne conserve que les termes apparaissant dans une fraction spécifiée par l'utilisateur ( $\kappa$ ) des modèles bootstrap. Cela fournit un rejet robuste du bruit, écartant les termes spurieux n'apparaissant que par des artefacts de bruit.
- Le cadre prend en charge à la fois des bibliothèques séparées (par variable d'état) et des bibliothèques unifiées (partagées entre les variables), les bibliothèques séparées offrant une meilleure parcimonie dans les expériences.

Contributions Clés

Génération de Bibliothèque Automatisée et Sans Hypothèses : Un moteur basé sur PySR qui extrait des formes fonctionnelles candidates à partir de données bootstrap sans nécessiter de spécification préalable de la structure mathématique, adressant directement le goulot d'étranglement de la conception de bibliothèque de SINDy.
Pipeline de Curation Symbolique Principé : Un mécanisme en trois étapes (décomposition, expansion, élagage de la colinéarité) qui transforme la sortie brute d'un algorithme génétique en une base linéaire propre et non redondante, adaptée à une régression éparse robuste.
Identification Éparse Basée sur Ensemble : Intégration de la bibliothèque curée avec des optimiseurs SINDy et un filtrage par ensemble bootstrap pour atteindre une haute robustesse au bruit et une interprétabilité.
Évaluation Systématique : Évaluation complète sur six systèmes non linéaires canoniques (oscillatoires, à cycle limite et chaotiques) sous divers niveaux de bruit, comparant les résultats à SINDy standard avec des bibliothèques enrichies et à PySR autonome.

Résultats
Des expériences extensives sur six systèmes de référence (Oscillateur Harmonique, Pendule Amorti, Oscillateur Modulé, Van der Pol, Oscillateur de Duffing et Lorenz Complexe) démontrent :

Récupération de la Vérité Terrain : AutoSINDy atteint un taux de récupération de la vérité terrain de 92,8 % sur tous les essais (défini comme $R^2 > 0,99$ sur une trajectoire de validation propre et non vue). Cela surpasse significativement SINDy Standard (58,9 %) et PySR Standard (28,3 %).
Stabilité de Simulation : AutoSINDy présente une stabilité supérieure lors de simulations sur de longs horizons, avec 0 % de plantages d'intégration critiques (NaN/Inf ou divergence) sur 180 essais. À l'inverse, SINDy Standard a échoué dans 51,7 % des essais et PySR Standard dans 75,0 % des essais.
Parcimonie : AutoSINDy récupère des équations dont la complexité (nombre d'opérateurs) se situe dans une marge de 1 à 2 opérateurs par rapport à la vérité terrain. SINDy Standard a produit des équations avec une complexité allant jusqu'à 29,2 fois la vérité terrain (par exemple, 175 opérateurs pour Van der Pol contre 6 réels), tandis que PySR Standard a souvent sous-compressé, manquant des termes critiques.
Robustesse au Bruit : AutoSINDy maintient une haute précision même à des niveaux de bruit élevés ( $\sigma = 0,05$ ), alors que les méthodes de référence se dégradent considérablement ou échouent totalement.
Efficacité Computationsnelle : Bien que le temps de découverte soit comparable à celui de PySR autonome (en raison du moteur partagé), les équations compactes résultantes font d'AutoSINDy la méthode la plus rapide pour la simulation, car la complexité réduite évite la rigidité numérique associée aux équations surdimensionnées.

Signification et Revendications
L'article revendique qu'AutoSINDy comble avec succès le fossé entre la flexibilité de la régression symbolique et la robustesse de l'identification éparse. En automatisant le goulot d'étranglement de l'ingénierie des caractéristiques, il permet la découverte de termes régissants corrects sans connaissance préalable du domaine. Les auteurs affirment que la méthode produit des équations qui sont non seulement structurellement exactes, mais aussi dynamiquement stables et interprétables, offrant une voie évolutive pour découvrir des dynamiques complexes dans les systèmes biologiques et physiques où la forme mathématique est inconnue. Le travail souligne que la précision prédictive sur les données d'entraînement est insuffisante ; la véritable valeur scientifique exige des équations qui restent stables lors de l'intégration vers l'avant et possèdent une faible complexité symbolique.