Riepilogo Tecnico: Limiti dell'Apprendimento di Dinamiche Lineari da Esperimenti

1. Enunciato del Problema

Il documento affronta il problema fondamentale dell'identificazione dei parametri $(A, B)$ di un sistema lineare tempo-invariante (LTI) continuo e sconosciuto a partire da traiettorie osservate di stato e ingresso. Il sistema è governato dall'equazione differenziale ordinaria:
$$\dot{x}(t) = Ax(t) + Bu(t), \quad x(0) = x_0$$
dove $x(t) \in \mathbb{R}^n$ è lo stato, $u(t) \in \mathbb{R}^m$ è l'ingresso di controllo e $(A, B)$ sono i parametri sconosciuti.

La teoria classica dell'identificabilità per sistemi LTI controllati stabilisce che la controllabilità del sistema e un ingresso persistentemente eccitante (PE) sono condizioni sufficienti per recuperare univocamente $(A, B)$ da un singolo esperimento. Tuttavia, in molti contesti pratici—in particolare sistemi sparsi e ad alta dimensionalità—la controllabilità spesso fallisce. In assenza di controllabilità, rimane incerto se un singolo esperimento possa determinare univocamente l'intero sistema o se solo parti del sistema siano recuperabili. Inoltre, la letteratura esistente manca di una caratterizzazione in forma chiusa dell'identificabilità per sistemi LTI non autonomi che non assuma la controllabilità.

Il problema centrale è caratterizzare l'identificabilità condizionata all'esperimento: determinare quali parti del sistema sono univocamente determinate da una specifica configurazione sperimentale (definita da uno stato iniziale $x_0$ e un ingresso di controllo $u$) e quali parti rimangono ambigue.

2. Metodologia e Quadro Teorico

Gli autori sviluppano un quadro geometrico e algebrico per analizzare i limiti delle informazioni recuperabili da un singolo esperimento $e = (x_0, u)$.

2.1 Il Sottospazio Visibile

Il concetto centrale introdotto è il Sottospazio Visibile, denotato $\mathcal{V}(x_0)$. Questo è definito come il più piccolo sottospazio $A$-invariante contenente lo stato iniziale $x_0$ e l'immagine della matrice di ingresso $B$ (cioè $\text{Im}(B)$). Formalmente, è lo span di Krylov:
$$\mathcal{V}(x_0) := \mathcal{K}_n(A, [x_0 \ B]) = \text{span}\left\{ [x_0 \ B], A[x_0 \ B], \dots, A^{n-1}[x_0 \ B] \right\}$$
Gli autori dimostrano un Lemma di Confinamento dell'Orbita: indipendentemente dalla complessità dell'ingresso $u$, la traiettoria di stato risultante $\phi(t)$ è strettamente confinata in $\mathcal{V}(x_0)$. Di conseguenza, le dinamiche del sistema al di fuori di questo sottospazio (nel complemento "cieco") non possono influenzare la traiettoria osservata.

2.2 Insiemi Consistenti con l'Esperimento vs. Consistenti con il Progetto

Il documento distingue tra due insiemi di sistemi consistenti con le osservazioni:

1. Insieme Consistente con il Progetto $[A, B]_E$: L'insieme di tutti i sistemi consistenti con la classe di esperimenti (tutti i possibili ingressi $u \in U$). Questo rappresenta il limite strutturale delle informazioni dato lo stato iniziale e le capacità di ingresso.
2. Insieme Consistente con l'Esperimento $[A, B]_e$: L'insieme di tutti i sistemi consistenti con un singolo esperimento realizzato $(x_0, u)$.

Gli autori stabiliscono un teorema "Ponte": se la traiettoria realizzata è informativa (il che significa che il regressore congiunto dello stato proiettato e dell'ingresso ha una matrice di Gramian a rango pieno), allora l'insieme del singolo esperimento collassa nell'insieme consistente con il progetto ($[A, B]_e = [A, B]_E$). Essi dimostrano che un ingresso persistentemente eccitante di ordine sufficiente garantisce questa informatività.

2.3 Caratterizzazione dell'Identificabilità

Sotto un esperimento informativo, gli autori derivano una parametrizzazione in forma chiusa di tutti i sistemi consistenti con i dati. Utilizzando una trasformazione di coordinate $T$ che separa il sottospazio visibile $\mathcal{V}(x_0)$ dal suo complemento $\mathcal{W}$, qualsiasi sistema consistente $(\tilde{A}, \tilde{B})$ deve soddisfare:

• $\tilde{B} = B$
• La restrizione di $\tilde{A}$ al sottospazio visibile è uguale alla restrizione di $A$: $\tilde{A}|_{\mathcal{V}(x_0)} = A|_{\mathcal{V}(x_0)}$
• Le dinamiche sul complemento $\mathcal{W}$ e i termini di accoppiamento incrociato possono essere arbitrari.

Pertanto, il sistema è completamente identificabile se e solo se $\mathcal{V}(x_0) = \mathbb{R}^n$ (cioè, il sottospazio visibile abbraccia l'intero spazio degli stati). Altrimenti, solo le dinamiche ristrette sul sottospazio visibile sono univocamente determinate.

2.4 Criteri Algebrici

Per quantificare la vicinanza alla non-identificabilità, il documento propone due test algebrici basati sulla coppia aumentata $(A, [x_0 \ B])$:

1. Test del Autovettore Sinistro: L'identificabilità completa fallisce se esiste un autovettore sinistro $w$ di $A$ tale che $w^\top x_0 = 0$ e $w^\top B = 0$. Viene definito un margine $\mu_{\min}$ per misurare l'allineamento degli autovettori con le fonti di eccitazione.
2. Test PBH a Esperimento Fisso: Viene derivato un margine Popov–Belevitch–Hautus (PBH) modificato $d_{\text{PBH}}(A, B | x_0)$, che misura la distanza da una perdita di identificabilità dato il $x_0$ fisso.

3. Contributi Chiave

1. Teorema di Identificabilità Parziale: Il documento dimostra che anche quando l'intero sistema non è identificabile, le dinamiche ristrette al sottospazio visibile $\mathcal{V}(x_0)$ sono univocamente determinate da un singolo esperimento informativo.
2. Parametrizzazione in Forma Chiusa: Fornisce una descrizione esplicita dell'insieme di tutti i sistemi consistenti con un dato esperimento, caratterizzando i gradi di libertà nel sottospazio non identificabile.
3. Criteri Algebrici per l'Identificabilità: Introduce metriche calcolabili ($\mu_{\min}$ e $d_{\text{PBH}}$) per testare l'identificabilità completa e quantificare la robustezza del problema di identificazione.
4. Estensione ai Sistemi Controllati: A differenza di lavori precedenti focalizzati su sistemi autonomi, questo quadro scompone esplicitamente i ruoli dello stato iniziale e dell'ingresso di controllo nei sistemi LTI controllati.

4. Risultati Sperimentali

Gli autori validano i loro risultati teorici su sistemi LTI sintetici sparsi, che sono soggetti a fallimenti di controllabilità.

• Controllabilità vs. Identificabilità: Gli esperimenti mostrano che all'aumentare della sparsità, la frazione di sistemi controllabili scende significativamente. Tuttavia, l'identificabilità si rivela condizionata all'esperimento: stati iniziali densi possono rendere un sistema non controllabile completamente identificabile, mentre stati iniziali sparsi possono portare a un'identificabilità parziale.
• Recupero del Sottosistema: Il documento confronta quattro metodi di identificazione (DMDc, MOESP, SINDy e ODE Neurali) su sistemi sparsi.
  • Risultato: Tutti i metodi recuperano con successo il sottosistema visibile (la restrizione a $\mathcal{V}(x_0)$) con errore vicino allo zero, anche quando l'intero sistema non è identificabile.
  • Contrasto: L'errore nel recupero dell'intero sistema ($REE_{\text{full}}$) rimane lontano dallo zero, riflettendo l'ambiguità strutturale nel sottospazio non eccitato.
  • Robustezza al Rumore: All'aumentare del rumore di osservazione, l'errore nel sottosistema visibile rimane inferiore all'errore del sistema completo, sebbene le ODE Neurali (NODE) mostrino errori complessivi più elevati a causa di sfide di ottimizzazione rispetto agli stimatori in forma chiusa.

5. Significato e Affermazioni

Il documento afferma di colmare una lacuna nella letteratura riguardo all'identificabilità di sistemi LTI non autonomi senza assumere la controllabilità. Il suo significato principale risiede nello spostare la prospettiva da "il sistema è identificabile?" a "cosa è identificabile dato questo specifico esperimento?".

Gli autori sostengono che:

• Le garanzie classiche (controllabilità + PE) sono spesso troppo restrittive per sistemi sparsi e ad alta dimensionalità.
• I praticanti dovrebbero interpretare le conclusioni meccanicistiche rispetto al sottospazio visibile indotto dal loro disegno sperimentale.
• Qualsiasi affermazione sulle dinamiche al di fuori del sottospazio visibile è ingiustificata, indipendentemente da quanto bene un modello si adatti ai dati di addestramento.
• I criteri algebrici proposti permettono ai praticanti di quantificare l'"incertezza epistemica" del loro compito di identificazione prima o dopo aver eseguito un esperimento.

Il lavoro non propone nuovi algoritmi di stima, ma fornisce piuttosto una lente teorica per comprendere i limiti dei metodi esistenti e il contenuto informativo fondamentale dei dati sperimentali.