Trajectory-Aware Node Contributions and the Limits of Static Controllability

Résumé Technique : Contribution des Nœuds Sensible à la Trajectoire et Limites de la Contrôlabilité Statique

Énoncé du Problème
Un défi récurrent dans l'exploration de données pour les réseaux complexes et évoluant dans le temps est d'identifier quels nœuds individuels (variables) sont dynamiquement conséquents — plus précisément, quels composants voient leurs perturbations se propager le plus fortement à travers un système ajusté. Les approches existantes se divisent en deux catégories, toutes deux présentant des limites pour les systèmes estimés empiriquement :

1. Mesures de Réseaux Statiques : Les centralités de théorie des graphes (ex. : degré, intermédiarité, PageRank) caractérisent la position structurelle au sein d'une matrice d'adjacence fixe, mais échouent à capturer l'influence dynamique. Deux systèmes ayant une topologie identique mais des lois dynamiques différentes produisent des centralités identiques, même si un nœud est hautement influent dans l'un et inerte dans l'autre.
2. Mesures de Contrôlabilité Statique : Les métriques telles que le Gramien de contrôlabilité, la contrôlabilité moyenne et la contrôlabilité modale quantifient l'influence dynamique, mais reposent sur l'hypothion qu'un système est linéaire et invariant dans le temps (LTI), régi par $\dot{x} = Ax + Bu$. Cependant, les systèmes estimés à partir de données (par exemple, via des vecteurs autorégressifs neuronaux, des ODE neuronales ou des modèles d'espace d'états non linéaires) sont typiquement non linéaires et variant dans le temps. Leur dynamique locale dépend de l'état, et les relations directrices peuvent dériver. Malgré cela, les quantités basées sur la contrôlabilité sont souvent appliquées sous l'approximation LTI sans validation de leur validité.

La question centrale abordée est la suivante : Quand les classements de nœuds impliqués par la contrôlabilité statique restent-ils fiables, et quand échouent-ils pour les systèmes non linéaires et variant dans le temps ?

Méthodologie : Contribution Émergente ($E_j$)
Les auteurs définissent la Contribution Émergente ($E_j$), une mesure à horizon fini de la levier dynamique d'un nœud. Elle est construite à partir des Jacobiens de tout modèle estimé différentiable, ce qui la rend agnostique vis-à-vis de l'estimateur.

• Définition : Pour un système en temps discret $x_{t+1} = f_t(x_t) + \epsilon_t$, l'influence causale locale est le Jacobien $A_t(x) = \frac{\partial f_t}{\partial x}$. La matrice de transition d'état $\Phi^\tau_t(x)$ est le produit ordonné des Jacobiens le long d'une trajectoire. La contribution émergente d'un composant $j$ sur un horizon $T$ est l'énergie accumulée de sa réponse impulsionnelle pondérée par une métrique :
  $$E_j(t, x; T) = \sum_{\tau=0}^{T-1} (\Phi^\tau_t(x) e_j)^\top M (\Phi^\tau_t(x) e_j)$$
  où $e_j$ est le vecteur de perturbation pour le nœud $j$, et $M$ est une métrique définie positive (par défaut $M=I$ sur les composantes standardisées).
• Calcul : La mesure propage une perturbation unitaire à travers la séquence de Jacobiens le long d'une trajectoire simulée ou observée, accumulant la norme au carré des vecteurs d'état résultants. Elle ne nécessite que le fait que l'estimateur sous-jacent soit différentiable.
• Jauge et Échelle : Les auteurs soulignent que $E_j$ dépend de l'échelle. Ils proposent un choix de "jauge" consistant à calculer $E_j$ sur des composantes standardisées avec $M=I$ pour assurer la comparabilité.
• Gestion des Retards : Pour les modèles avec $K$ retards, les auteurs utilisent un Jacobien de forme compagnon ($nK \times nK$) pour représenter correctement la propagation multi-étapes, plutôt que d'utiliser uniquement le bloc de retard 1 principal.

Principales Contributions

1. Formalisation d'une Mesure Sensible à la Trajectoire : Le papier formalise $E_j$ comme une mesure de niveau nœud, interprétable et agnostique vis-à-vis de l'estimateur, pour les systèmes non linéaires et variant dans le temps estimés empiriquement. Il ne s'agit pas d'une nouvelle quantité dynamique en soi (c'est l'énergie de la réponse impulsionnelle à horizon fini), mais d'un nouveau cadre opérationnel pour son application.
2. Réduction Théorique vers le LTI : Les auteurs prouvent que dans la limite Linéaire et Invariante dans le Temps (LTI), $E_j$ se réduit exactement à la mesure de contrôlabilité moyenne (la trace du Gramien de contrôlabilité spécifique au nœud). Cela établit $E_j$ comme une généralisation d'une quantité bien établie plutôt qu'un concept sans rapport.
3. Caractérisation de la Divergence : À travers des expériences synthétiques, le papier cartographie les conditions dans lesquelles $E_j$ diverge de la contrôlabilité statique. La divergence est pilotée non pas simplement par la non-linéarité, mais par l'interaction de la non-linéarité avec une structure de régime persistante, particulièrement le renversement de signe persistant dans les voies de propagation. Dans ces cas, la contrôlabilité statique (basée sur un Jacobien moyen) échoue car les effets opposés s'annulent, sous-estimant le véritable levier du nœud. $E_j$, en suivant la trajectoire réalisée, conserve la contribution de chaque régime.
4. Cadre de Diagnostic Empirique : Les auteurs placent cinq systèmes du monde réel (politiques, économiques, financiers, environnementaux) dans un espace de phase synthétique pour diagnostiquer quand $E_j$ fournit des informations au-delà de la contrôlabilité statique.

Résultats

• Validation Synthétique (Diagramme de Phase) :
  • Accord : Sous des dynamiques statiques ou dérivant de manière fluide, $E_j$ et la contrôlabilité moyenne concordent étroitement et suivent tous deux la contribution réelle (ground-truth).
  • Divergence : La divergence émerge sous des changements de régime persistants. Elle est la plus forte sous un renversement de signe persistant (où l'effet d'une voie bascule de signe entre les régimes). Dans ces cas, la contrôlabité statique (basée sur un Jacobien moyen) échoue car les effets opposés s'annulent, sous-estimant le véritable levier du nœud. $E_j$, en suivant la trajectoire réalisée, conserve la contribution de chaque régime.
  • Limites : À des amplitudes de perturbation extrêmes, la linéarisation locale sous-jacente à $E_j$ se dégrade, et les deux mesures échouent à suivre la vérité terrain, identifiant la limite de validité des approches de linéarisation locale.
• Applications au Monde Réel :
  • Cinq domaines (Macro-finance, Démocratie, Volatilité Réalisée, Qualité de l'Air, Développement Économique) ont été analysés à l'aide de vecteurs autorégressifs neuronaux.
  • Faible Écart : Le développement économique, la qualité de l'air et la volatilité réalisée ont montré un écart négligeable par rapport à la ligne de base du Jacobien réalisé, indiquant que leurs dynamiques sont effectivement statiques ou varient de manière fluide sur l'horizon.
  • Écart Modéré/Élevé : La macro-finance et le panel de la Démocratie (V-Dem) ont montré des écarts plus importants. Le panel de la Démocratie, en particulier, a présenté une dissociation robuste variance-levier : les nœuds ayant une variance temporelle élevée (ex. : "Fonctionnaires élus", "Suffrage") avaient un faible levier dynamique, tandis que les nœuds ayant une variance modérée (ex. : "Liberté d'association", "Liberté d'expression") avaient un levier élevé. Cette structure était invisible pour les centralités statiques et les résumés basés sur la variance.

Signification et Revendications
Le papier revendique de fournir un diagnostic pratique et agnostique vis-à-vis de l'estimateur pour déterminer quand le coût computationnel d'une analyse sensible à la trajectoire est justifié.

• Descriptif, non Normatif : Les auteurs précisent explicitement que $E_j$ mesure le levier dynamique (comment les perturbations se propagent), et non l'importance ou la valeur intrinsèque. Un nœud à haut levier peut être un composant porteur, un amplificateur fragile ou un relais ; la mesure est descriptive.
• Règle de Décision : Le papier propose une règle de décision basée sur le diagramme de phase :
  • Si les dynamiques sont statiques ou dérivent de manière fluide, la contrôlabilité statique suffit.
  • Si les dynamiques présentent des changements de régime persistants (particulièrement le renversement de signe), $E_j$ fournit l'information nécessaire que la contrôlabilité statique manque.
  • Si les perturbations sont extrêmes, même $E_j$ peut perdre en fidélité.
• Écart Opérationnel : Ce travail comble une lacune dans la littérature où des modèles non linéaires flexibles sont utilisés pour l'estimation, mais où les outils d'interprétation restent bloqués dans des paradigmes linéaires ou statiques. Il fournit une méthode pour extraire le levier dynamique au niveau du nœud directement à partir de modèles ajustés sans nécessiter une analyse complète de la contrôlabilité non linéaire ou des certificats de joignabilité.

Les auteurs concluent que la contribution émergente étend la réponse linéaire fiable (la contrôlabilité moyenne) aux régimes qui l'exigent, spécifiquement lorsque la variation dépendante du régime est persistante et se situe dans une plage où la linéarisation locale reste fidèle.