🔢 mathematics

Robust Sparse Identification of Nonlinear Dynamics via Least Trimmed Squares

यह शोध पत्र ILTS-SINDy नामक एक सुदृढ़ (robust) SINDy फ्रेमवर्क प्रस्तावित करता है जो आउटलेयर फ़िल्टरिंग के लिए इटरेटिव लीस्ट ट्रिम्ड स्क्वायर्स (Iterative Least Trimmed Squares) को स्पार्स रिग्रेशन के लिए सीक्वेंशियली थ्रेशोल्डेड लीस्ट स्क्वायर्स (Sequentially Thresholded Least Squares) के साथ जोड़ता है, जो 20% तक दूषित अवलोकनों वाले डेटासेट से नॉनलीनियर डायनेमिक्स की पहचान करने में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।

मूल लेखक: Fabio Amaral, Geovani N. Grapiglia, Cassio M. Oishi

प्रकाशित 2026-06-30✓ Author reviewed ⓘ

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Fabio Amaral, Geovani N. Grapiglia, Cassio M. Oishi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप अलग-अलग समय पर स्वाद लेकर एक स्वादिष्ट सूप की गुप्त रेसिपी (विधि) को समझने की कोशिश कर रहे हैं। आप उन सटीक सामग्रियों की सूची (गवर्निंग इक्वेशंस/नियामक समीकरण) लिखना चाहते हैं जो उस स्वाद को बनाती हैं।

विज्ञान की दुनिया में, SINDy (स्पार्स आइडेंटिफिकेशन ऑफ नॉनलीन डायनेमिक्स) यही करता है। यह किसी सिस्टम (जैसे मौसम के पैटर्न, जानवरों की आबादी, या बीमारी के प्रसार) के डेटा को देखता है और उन सरल गणितीय नियमों को खोजने की कोशिश करता है जो बताते हैं कि वह सिस्टम समय के साथ कैसे बदलता है।

हालाँकि, वास्तविक दुनिया का डेटा बहुत अव्यवसाजित होता है। कभी-कभी थर्मामीटर टूट जाता है, कोई सेंसर गड़बड़ कर देता है, या कोई गलती से मापने वाले कप में सूप की एक बूंद गिरा देता है। डेटा साइंस में, इन्हें आउटलेयर्स (outliers) या नॉइज़ (noise) कहा जाता है। यदि आप एक ऐसे चम्मच सूप का उपयोग करके रेसिपी को समझने की कोशिश करते हैं जिसमें कांच का एक टुकड़ा है, तो आपकी अंतिम रेसिपी गलत होगी।

पुराने तरीकों के साथ समस्या

यह पेपर बताता है कि इन रेसिपी को खोजने के मानक तरीके "बुरे डेटा" के प्रति बहुत संवेदनशील होते हैं।

मानक SINDy: यह हर डेटा पॉइंट का उपयोग करने की कोशिश करता है, यहाँ तक कि बुरे डेटा का भी। यदि डेटा शोर (noisy) वाला है, तो गणित भ्रमित हो जाता है, और वह ऐसी नकली सामग्रियां बना लेता है (जैसे "जादुई धूल") जिनका वास्तव में कोई अस्तित्व नहीं है।
अन्य "रोबस्ट" (मजबूत) विधियाँ: कुछ नई विधियाँ इसे ठीक करने की कोशिश करती हैं, जैसे कई अलग-अलग अनुमानों का औसत निकालना या गणना करते समय ही बुरे डेटा को हटाना। लेखक तर्क देते हैं कि ये विधियाँ या तो बहुत धीमी हैं, बहुत जटिल हैं, या वे अभी भी भ्रमित हो जाती हैं क्योंकि वे एक साथ दो कठिन काम करने की कोशिश कर रही हैं।

नया समाधान: ILTS-SINDy

लेखक एक नया, दो-चरणीय पाइपलाइन प्रस्तावित करते हैं जिसे ILTS-SINDy कहा जाता है। वे इसे एक "फिल्टर-फिर-स्पारसिफाई" (छानना-फिर-सरल बनाना) दृष्टिकोण के रूप में वर्णित करते हैं। इसे दो चरणों वाली खाना पकाने की प्रक्रिया के रूप में समझें:

चरण 1: "स्मार्ट छलनी" (ILTS)

रेसिपी लिखना शुरू करने से पहले, आपको अपनी सामग्रियों को साफ करना होगा।

उपमा: कल्पना कीजिए कि आपके पास पानी की एक बाल्टी है जिसमें कुछ पत्थर और पत्तियां हैं। पानी पीने की कोशिश करने के बजाय कि उसमें पत्थर भी मौजूद हैं, आप उसे एक स्मार्ट छलनी से छानते हैं।
यह कैसे काम करता है: यह विधि इटरेटिव लीस्ट ट्रिम्ड स्क्वायर्स (ILTS) नामक एक एल्गोरिदम का उपयोग करती है। यह सभी डेटा पॉइंट्स को देखती है और पूछती है, "कौन से पैटर्न में सबसे अच्छी तरह फिट बैठते हैं?" यह "अच्छे" डेटा पॉइंट्स (साफ पानी) को रखती है और "बुरे" डेटा पॉइंट्स (पत्थर और पत्तियों) को फेंक देती है जो समझ में नहीं आते। यह इसे बार-बार तब तक करती है जब तक कि उसे यकीन न हो जाए कि उसके पास केवल सबसे स्वच्छ, सबसे विश्वसनीय डेटा बचा है।
परिणाम: अब आपके पास एक साफ डेटासेट है, जो अजीब गड़बड़ियों और आउटलेयर्स से मुक्त है।

चरण 2: "मिनिमलिस्ट शेफ" (STLS)

अब जब आपके पास साफ सामग्रियां हैं, तो आप रेसिपी का पता लगा सकते हैं।

उपमा: एक मिनिमलिस्ट (न्यूनतमवादी) शेफ चाहता है कि सूप का स्वाद सही बनाने के लिए कम से कम सामग्रियों का उपयोग किया जाए। वे नमक, काली मिर्च, लहसुन और तुलसी जोड़ने के बजाय केवल नमक और काली मिर्च का उपयोग करना चाहेंगे यदि केवल उनकी ही आवश्यकता है।
यह कैसे काम करता है: यह विधि सीक्वेंशियली थ्रेशोल्डेड लीस्ट स्क्वायर्स (STLS) का उपयोग करती है। यह साफ डेटा को देखती है और सबसे सरल गणितीय समीकरण खोजने की कोशिश करती है जो फिट बैठता है। यह सभी संभावित सामग्रियों पर विचार करने से शुरू होती है, और फिर व्यवस्थित रूप से उन चीजों को हटाती रहती है जो आवश्यक नहीं हैं, जब तक कि केवल आवश्यक "स्पार्स" (सरल) नियम ही शेष न रह जाएं।

यह एक बड़ी बात क्यों है

लेखकों ने इस नई विधि का परीक्षण तीन प्रसिद्ध "सूप रेसिपी" (बीमारी के प्रसार, अराजक मौसम, और शिकारी-शिकार जानवर आबादी के गणितीय मॉडल) पर किया। उन्होंने यह देखने के लिए कि ये विधियाँ डेटा को कितनी अच्छी तरह संभाल सकती हैं, जानबूझकर इसमें "सड़ी हुई सामग्रियां" (आउटलेयर्स) मिला दीं।

परिणाम:
- मानक SINDy गंदे डेटा के साथ बुरी तरह विफल रहा। यह सही रेसिपी नहीं खोज सका।
- अन्य रोबस्ट विधियाँ ठीक-ठाक रहीं, लेकिन वे अभी भी संघर्ष करती रहीं जब डेटा बहुत अधिक अव्यवस्थित था।
- ILTS-SINDy विजेता रहा। यहाँ तक कि जब डेटा का 20% हिस्सा दूषित था (यानी हर 5 में से 1 डेटा पॉइंट झूठ या गड़बड़ी थी), ILTS-SINDy फिर भी सटीक, सही गणितीय रेसिपी खोज सका।

निष्कर्ष

पेपर का दावा है कि डेटा को साफ करने के काम को नियम खोजने के काम से अलग करके, यह नई विधि शोर को अनदेखा करने और प्रकृति के वास्तविक अंतर्निहित नियमों को खोजने में बहुत बेहतर है। यह एक ऐसे शेफ की तरह है जो किसी व्यंजन को चखने से पहले रसोई को पूरी तरह साफ होने से इनकार कर देता है, जिससे यह सुनिश्चित होता है कि अंतिम रेसिपी एकदम सही हो।

तकनीकी सारांश: लीस्ट ट्रिम्ड स्क्वायर्स के माध्यम से नॉनलीन डायनेमिक्स की सुदृढ़ स्पार्स आइडेंटिफिकेशन

समस्या विवरण
स्पार्स आइडेंटिफिकेशन ऑफ नॉनलीन डायनेमिक्स (SINDy) फ्रेमवर्क अवलोकन संबंधी डेटा से नियंत्रित विभेदक समीकरणों (governing differential equations) की खोज करने के लिए एक प्रमुख डेटा-संचालित विधि है। हालांकि, मानक SINDy कार्यान्वयन मापन शोर (measurement noise) और, विशेष रूप से, आउटलेर्स (outliers) के प्रति अत्यधिक संवेदनशील होते हैं। चूंकि SINDy समय के डेरिवेटिव के परिमित-अंतर (finite-difference) सन्निकटन पर निर्भर करता है, इसलिए दूषित डेटा बिंदु डेरिवेटिव अनुमानों को गंभीर रूप से विकृत कर सकते हैं, जिससे बायस्ड रिग्रेशन समस्याएं और स्प्यूरियस मॉडल टर्म्स उत्पन्न हो सकते हैं। जबकि मौजूदा सुदृढ़ वेरिएंट—जैसे कि ट्रिम्ड SINDy, वीक SINDy (WSINDy), और एनसेम्बल SINDy (E-SINDy)—प्रस्तावित किए गए हैं, वे सीमाओं का सामना करते हैं। ट्रिम्ड दृष्टिकोण अक्सर आउटलेयर डिटेक्शन को स्पार्स रिग्रेशन के साथ एक एकल नॉन-कॉन्वेक्स ऑप्टिमाइजेशन में जोड़ देते हैं, जिससे दूषित नमूनों को पूरी तरह से बाहर करने में विफलता हो सकती है। WSINDy शोर संवेदनशीलता को कम करता है लेकिन टेस्ट फंक्शन्स और इंटीग्रेशन डोमेन के चयन में जटिलता पेश करता है। E-SIDY रिसैंपलिंग के माध्यम से स्थिरता में सुधार करता है लेकिन यह कम्प्यूटेशनल रूप से महंगा हो सकता है और दूषित सब-सैंपल्स से पूर्वाग्रह (bias) विरासत में प्राप्त कर सकता है।

कार्यप्रणाली: ILTS-SINDy पाइपलाइन
लेखक एक सुदृढ़ पहचान पाइपलाइन ILTS-SINDy का प्रस्ताव करते हैं जो आउटलेयर फ़िल्टरिंग को स्पार्स रिग्रेशन से दो क्रमिक चरणों में अलग करती है। यह "फ़िल्टर-देन-स्पार्सिफाई" रणनीति उन विधियों के विपरीत है जो इन कार्यों को संयुक्त रूप से करती हैं।

चरण 1: इटरेटिव लीस्ट ट्रिम्ड स्क्वायर्स (ILTS) फ़िल्टरिंग
पहला चरण डेटा संदूषण को संबोधित करने के लिए मॉडल फिटिंग से पहले आउटलेर्स की पहचान करने और उन्हें हटाने का कार्य करता है। यह विधि इटरेटिव लीस्ट ट्रिम्ड स्क्वायर्स (ILTS) एल्गोरिदम का उपयोग करती है।

तंत्र: ILTS पुनरावृत्ति (iteratively) के माध्यम से सबसे छोटे स्क्वेर्ड रेसिडुअल्स के योग को कम करता है। यह डेटा के एक उपसमुच्चय (subset) पर रिग्रेशन गुणांकों का अनुमान लगाने और केवल सबसे छोटे रेसिडुअल्स वाले $p$ अवलोकनों को बनाए रखने के लिए इस उपसमुच्चय को अपडेट करने के बीच बारी-बारी से कार्य करता है।
परिणाम: यह प्रक्रिया धीरे-धीरे सबसे सुसंगत डेटा बिंदुओं पर केंद्रित होती है, जो आउटलेर्स के प्रभाव को प्रभावी ढंग से कम करती है, जिसके लिए आउटलेर्स के स्थानों के पूर्व ज्ञान की आवश्यकता नहीं होती है। इसका आउटपुट एक "साफ किया गया" डेटासेट (एक न्यूकी मैट्रिक्स $\hat{A}$ और वेक्टर $\hat{b}$ ) है जिसमें केवल अनुमानित इनलियर्स (inliers) शामिल हैं।
पैरामीटर चयन: इनलियर्स की संख्या $p$ को ज्ञात आउटलेयर अंश $q$ के आधार पर निर्धारित किया जाता है। लेखक नोट करते हैं कि सेंट्रल फाइनाइट डिफरेंस के उपयोग के कारण, एक अकेला आउटलेयर तीन डेरिवेटिव अनुमानों (बिंदु स्वयं और उसके पड़ोसी) को दूषित कर सकता है। इसलिए, वे $p = (m+1) - \lfloor 3q(m+1) \rfloor$ निर्धारित करते हैं।

चरण 2: सिक्वेंशियल थ्रेशोल्डेड लीस्ट स्क्वायर्स (STLS)
दूसरा चरण साफ किए गए डेटासेट पर स्पार्स मॉडल आइडेंटिफिकेशन करता है।

तंत्र: मानक STLS को फ़िल्टर्ड डेटा पर लागू किया जाता है। यह पूर्ण कैंडिडेट लाइब्रेरी का उपयोग करके लीस्ट-स्क्वायर्स समस्या को हल करता है और छोटे गुणांकों को शून्य पर थ्रेशोल्ड करके पुनरावृत्ति से स्पर्सिटी लागू करता है। रिग्रेशन को केवल शेष सक्रिय पदों का उपयोग करके अभिसरण (convergence) तक फिर से हल किया जाता है।
परिणाम: यह नियंत्रित समीकरणों ( $\dot{x}_i(t) = \sum \alpha_{i,j} \theta_j(x(t))$ ) का एक पार्सिमोनियस प्रतिनिधित्व प्रदान करता है जो प्रारंभिक डेटा भ्रष्टाचार के प्रति सुदृढ़ है।

प्रमुख योगदान

डिकपल्ड फ्रेमवर्क: प्राथमिक योगदान आउटलेयर डिटेक्शन (ILTS के माध्यम से) और स्पार्स रिग्रेशन (STLS के माध्यम से) के संरचनात्मक अलगाव में है। यह संयुक्त अनुकूलन दृष्टिकोणों के ट्रेड-ऑफ से बचता है जहाँ भ्रष्ट नमूनों को स्पार्स एस्टीमेशन चरण के दौरान इनलियर्स के रूप में गलत वर्गीकृत किया जा सकता है।
गंभीर संदूषण के प्रति सुदृढ़ता: यह विधि डेटासेट के महत्वपूर्ण आउटलेयर संदूषण (प्रयोगों में 20% तक) को संभालने के लिए डिज़ाइन की गई है जबकि वास्तविक गवर्निंग इक्वेशंस को पुनः प्राप्त करने की क्षमता बनाए रखती है।
एल्गोरिद्मिक एकीकरण: पेपर SINDy अनुप्रयोगों के लिए विशेष रूप से ILTS (एल्गोरिदम 2) और STLS (एल्गोरिदम 1) को एक एकीकृत पाइपलाइन (एल्गोरिदम 3) में एकीकृत करने को औपचारिक रूप देता है।

संख्यात्मक परिणाम
लेखकों ने तीन बेंचमार्क डायनेमिकल सिस्टम्स: SIR मॉडल, लोरेंज सिस्टम और लोटका-वोल्टेरा सिस्टम से सिंथेटिक डेटासेट का उपयोग करके मानक SINDy (STLS के साथ) और E-SINDY के विरुद्ध ILTS-SINDY का मूल्यांकन किया। प्रयोगों में परिवर्तनशील स्तरों पर एडिटिव गौसियन नॉइज़ और 2.5% से 20% तक आउटलेयर प्रतिशत ( $q$ ) शामिल थे।

सपोर्ट रिकवरी सटीकता: ILTS-SINDY ने सभी प्रणालियों और स्थितियों में उच्चतम माध्य सपोर्ट रिकवरी सटीकता हासिल की। जबकि मानक SINDy का प्रदर्शन बढ़ते संदूषण के साथ काफी गिर गया, और E-SINDY ने मध्यम सुदृढ़ता दिखाई, ILTS-SINDY ने गंभीर संदूषण के तहत भी 1.0 के करीब सटीकता बनाए रखी।
सटीक रिकवरी दर: एक महत्वपूर्ण मीट्रिक वास्तविक स्पर्सिटी पैटर्न (सक्रिय पदों का सही सेट) की सटीक रिकवरी थी। मानक SINDy अधिकांश भ्रष्ट परिदृश्यों में सटीक रिकवरी प्राप्त करने में विफल रहा। E-SINDY ने उच्च सपोर्ट सटीकता दिखाई लेकिन निम्न सटीक रिकवरी दर प्रदर्शित की, जो बताता है कि इसने अक्सर प्रक्षेपवक्र (trajectories) को सही ढंग से पुनर्निर्मित किया लेकिन गलत मॉडल संरचना की पहचान की। इसके विपरीत, ILTS-SINDY ने बेहतर सटीक रिकवरी दर प्रदर्शित की, उच्च आउटलेयर स्तरों पर भी SIR सिस्टम के लिए लगभग पूर्ण रिकवरी और लोरेंज तथा लोटका-वोल्टेरा के लिए मजबूत प्रदर्शन बनाए रखा।

महत्व और दावे
पेपर का दावा है कि ILTS-SINDY मौजूदा सुदृढ़ SINDY वेरिएंट्स की तुलना में, विशेष रूप से मजबूत डेटा संदूषण वाले शासन में, एक महत्वपूर्ण सुधार प्रदान करता है। स्पार्स रिग्रेशन से पहले आउटलेर्स को फ़िल्टर करके, यह विधि एक स्वच्छ रिग्रेशन समस्या बनाती है, जिससे अंतर्निहित गवर्निंग इक्वेशंस की अधिक विश्वसनीय पहचान होती है। लेखक का तर्क है कि यह दृष्टिकोण न केवल भविष्य कहनेवाला सटीकता (predictive accuracy) में सुधार करता है, बल्कि और भी महत्वपूर्ण बात यह है कि यह डायनेमिकल सिस्टम की सही संरचनात्मक खोज सुनिश्चित करता है।

यह कार्य अपने वर्तमान दायरे के संबंध में विनम्र है, यह नोट करते हुए कि यह इनलियर्स $p$ को निर्धारित करने के लिए आउटलेयर प्रतिशत $q$ के सटीक ज्ञान को मानता है। भविष्य के कार्य में $q$ को डेटा-संचालित तरीके से अनुमानित करने के लिए एक एडेप्टिव प्रक्रिया को शामिल करना, फ्रेमवर्क को कंट्रोल (बाहरी इनपुट) के साथ SINDy तक विस्तारित करना और वास्तविक दुनिया के डेटासेट पर दृष्टिकोण को मान्य करना शामिल है। पेपर किसी भी डायनेमिकल सिस्टम के लिए सार्वभौमिक प्रयोज्यता का दावा नहीं करता है, लेकिन परीक्षण किए गए सिंथेटिक बेंचमार्क पर इसकी प्रभावकारिता को रेखांकित करता है।