Operator theoretic causality analysis of fluid flows using linearized dynamics

技術要約：線形化ダイナミクスを用いた流体解析における作用素論的因果解析

問題提起
流体の流れは、空間および時間スケールにわたる複雑な相互作用を示し、それが予測や制御を困難にする不安定性や乱流を引き起こす。これらの相互作用を支配する因果関係を理解することは、流体力学を進展させる上で不可欠である。グレンジャー因果性、転移エントロピー、および様々な情報理論的指標といった、データ駆動型の因果推論手法は数多く存在するが、これらは時系列データの統計的解析に依存している。これらのデータ駆動型手法の重大な限界は、統計的な収束を得るために、解析対象となる測定数やモード数を制限しなければならない場合があり、それが高次元システムに内在する因果経路を覆い隠してしまう可能性があることである。さらに、標準的な統計的手法は、変数の相関や状態の切り捨て（truncation）によって、誤った推論をもたらす可能性がある。既存の文献には、線形化されたダイナミクス、特に既知の支配方程式から直接因果関係を解析し、物理に基づいた解釈可能な代替案を提供する手法についての空白が存在する。

手法
著者らは、線形および線形化された動的システムにおける因果関係を定量化するための作用素論的フレームワークである**線形作用素因果解析（Linear Operator Causality Analysis: LOCA）**を提案している。その核心となる前提は、$\dot{\mathbf{u}} = \mathbf{A}\mathbf{u}$ で記述されるシステムにおいて、行列指数関数 $e^{\mathbf{A}\tau}$ が、時間ホライゾン $\tau$ にわたるある状態成分から別の成分への因果的影響を符号化しているという点である。

本手法は、以下の3つの主要な定義に基づいている：

1. 即時的因果性（Immediate Causality）： システム行列 $\mathbf{A}$ の非対角要素が非ゼロであること（すなわち $A_{ij} \neq 0$）によって定義され、直接的な結合を表す。
2. 遅延的因果性（Delayed Causality）： 時刻 $t$ における摂動に対する時刻 $t+\tau$ における状態の偏微分によって定量化され、これは明示的に行列指数関数の要素 $[e^{\mathbf{A}\tau}]_{ij}$ によって与えられる。
3. 大域的因果境界（Global Causality Bound）： $e^{\mathbf{A}\tau}$ の時間依存性に対処し、あらゆる時間ホライゾンにわたる因果経路を捉えるために、著者らはキャンセルフリーな行列 $\mathbf{M}_\alpha = (\alpha\mathbf{I} - |\mathbf{A}|)^{-1}$ （ただし $\alpha > \rho(|\mathbf{A}|)$）を導入している。この行列は、指数関数的に減衰・積分された因果応答の大きさの上限として機能する。$\mathbf{M}_\alpha$ のゼロ要素は、いかなる時間ホライゾンにおいても、2つのモード間に因果的影響が存在しないことを証明するものである。

本フレームワークは、状態の分散と誤差項を組み込み、因果の強さを定量化する修正された $F$ 統計量 $F_{j \to i} = [e^{\mathbf{A}\tau}]_{ij}^2 \sigma_j^2 / \sigma_{\epsilon, i}^2$ を定義する。この定式化は、**動的因果効果（Dynamical Causal Effects: DCE）**の特定の実現形態であることが示されている。

支配方程式が未知の場合に対処するため、著者らはデータ駆動型の対応手法としてLOCA-DMDを開発した。この手法は、動的モード分解（DMD）を用いて時系列データからシステム行列 $\mathbf{A}$ を直接推定し、その後、推定された作用素に対してLOCAフレームワークを適用するものである。

主な貢献

• 物理に基づいた因果指標： 本論文は、LOCAを統計的な因果解析の物理的な代替案として確立しており、観測データのみから因果関係を推論するのではなく、線形化された支配方程式から直接、因果関係を導出している。
• 大域的指標： $\mathbf{M}_\alpha$ の導入により、固定された時間ラグ解析では見逃される可能性のある（例えばべき零システムにおける）間接的な因果経路を考慮した、時間に依存しない、キャンセル効果のない推移的閉包（transitive closure）としての厳密な証明が可能となった。
• 理論的接続： 本研究は、LOCAを以下の概念と明示的に結びつけている：
  • 動的因果効果（DCE）： LOCAをDCEの決定論的かつ局所的な極限として位置づけている。
  • グレンジャー因果性と転移エントロピー： LOCAと単一ラグのグレンジャー因果性が、特定の条件（例：ソース変数が無相関であり、残差が直交する場合）においてのみ一致することを明らかにしている。一般に、LOCAは「独立して指定された変動」に対する応答を測定するのに対し、グレンジャー因果性は「他の変数で条件付けた後の、独自の予測寄与」を測定する。
  • グラフ理論： $\mathbf{M}_\alpha$ を、キャンセル効果を考慮せずに間接的な経路を考慮した重み付き推移的閉包として解釈している。
  • 制御理論： $\mathbf{M}_\alpha$ のゼロ要素が、可制御性と可観測性の行列のランク不足を意味することを示し、センサおよびアクチュエータの配置に関する指針を提供している。
• データ駆動型の拡張： 時系列データのみが利用可能なシステムに、これらの作用素論的な洞察を適用することを可能にするLOCA-DMDの開発。

結果
本手法は、2つの流体フローの例を用いて実証された：

1. 線形化クエット流れ（Linearized Couette Flow）：

   • 演算子ベースのLOCA、LOCA-DMD、および単一ラグのグレンジャー因果性を、固有直交分解（POD）係数（これらは無相関である）に適用したところ、良好な一致が見られた。
   • 物理座標（変数が相関している場合）においては、LOCAとグレンジャーの結果は大きく乖離した。LOCAは、グレンジャー解析が相関した変数による条件付けによって過小評価してしまうような強い因果関係（例：リフトアップ機構）を特定した。
   • 本研究は、切り捨てられたPODモデルが、支配的な因果的相互作用に関わる低エネルギーモードを逃す可能性があることを浮き彫りにした一方で、可制御性と可観測性を保持するバランス減少（balanced truncation）は、これらの経路をより効果的に保持することを示した。
   • 大域的因果指標 $\mathbf{M}_\alpha$ は、線形化ナビエ・ストークス作用素のブロック三角構造を正しく特定し、渦度から壁法線方向速度への因果的影響が存在しないことを示した。

2. 非線形後流（2枚の直列プレート）：

   • データのみを用いたカオス的な後流への適用（LOCA-DMDおよびグレンジャー）。
   • POD空間において、LOCA-DMDとグレンジャーの結果は類似しており、これはPODモードが無相関である性質と一致している。
   • 物理空間（離散的な点での速度計測）において、LOCA-DMDは、グレンジャー因果と比較して、より顕著で空間的に構造化された因果ネットワークを明らかにした。LOCA-DMDは、特定のアップストリームの位置（渦形成付近）が、長い時間ホライゾンにわたってダウンストリームの領域に影響を与える支配的な因果ソースであることを特定した。一方、グレンジャーの値は、相関した速度計測による条件付けのため、著しく減衰した。

意義と主張
本論文は、LOCAがデータ駆動型の統計的手法を補完する「物理的に動機付けられ、解釈可能な因果相互作用の尺度」を提供すると主張している。線形化された支配方程式（またはそのデータ駆動型の推定値）を活用することで、LOCAは、相関した変数による誤った推論や、状態の切り捨てによる因果経路の喪失といった、データ駆動型解析における一般的な問題を軽減する。

著者らは、LOCAがグレンジャー因果性とは異なる視点を提供すると述べている。すなわち、LOCAは単なる予測精度の向上ではなく、特定の介入に対するシステムの応答（反事実的因果関係）を定量化するものである。本フレームワークは、統計的手法の置き換えとしてではなく、データ駆動型解析を導き、流体の構造的メカニズム（特に可制御性、可観測性、および最適な因果経路の特定に関する事項）への深い洞察を提供する補完的なツールとして提示されている。この研究は、作用素ベースの因果構造を理解することが、流体系の予測、制御、および設計にとって極めて重要であることを示唆している。